【图像评价】基于无参考NIQE图像质量评价+仿真结果和运行方法.zip

输入：加载到数组中的测试图像 输出：图像的质量分数。值越高表示质量越低。 用法： 1例如，加载图像 image=imread（'testimage1.bmp'）； 2加载原始多元高斯模型的参数。 加载模型参数.mat; 三。初始化不同的参数 砌块高度 块大小：W=96； 块的宽度 blocksizecol=96； 块之间的真实重叠 blocksizerow=0； 块之间的水平重叠 blocksizecol=0； 为了获得良好的性能，建议将失真图像分割成与构建多元高斯模型时所用的相同大小的补丁。 三。调用此函数计算质量分数： qualityscore=计算质量（im、blocksizerow、blocksizecol、blockrowoverlap、blockcoloverlap、mu_Prisparm、cov_Prisparm） 示例执行也通过example.m显示 ======================================================================= MATLAB文件：：example.m、computefeature.m、computemean.m、computequality.m、estimateaggdparam.m和estimatemodelparam.m 图像文件：image1.bmp、image2.bmp、image3.bmp和image4.bmp 依赖项：Mat文件：模型参数.mat提供释放 ====================================================================== 培训说明： 该版本的NIQE在125张原始图像上进行训练，补丁大小设置为96X96，清晰度阈值为0.75。 培训模型 如果用户希望使用不同的原始图像集重新训练模型，或者将面片大小设置为不同的值，可以这样做 使用以下功能。 包含原始图像的文件夹 folderpath='原始' 砌块高度 块大小：W=96； 块的宽度 blocksizecol=96； 块之间的真实重叠 blocksizerow=0； 块之间的水平重叠 方块字