[10]。從某種程度上說，該方法成功繞開了通道分解等復(fù)雜問題，比較關(guān)注圖像的結(jié)構(gòu)信息，實現(xiàn)簡單且應(yīng)用性強(qiáng)。對于圖像像素的位置任意的排列組合的失真圖像，SSIM的分析結(jié)果比MSE和PSNR要準(zhǔn)確很多。SSIM算法的開發(fā)者認(rèn)為人類對圖像的主觀質(zhì)量評價主要源于圖像中的結(jié)構(gòu)信息，SSIM算法對于圖像質(zhì)量評價領(lǐng)域的研究起到了很大的推進(jìn)作用，和MSE與PSNR算法相比：SSIM算法不再將注意力聚焦與單個像素點，而是聚焦與以單個像素點為中心的塊狀區(qū)域，注意的是圖像整體的結(jié)構(gòu)信息；SSIM算法不止是簡單的對于像素灰度值的分析，而進(jìn)一步的分析圖像的亮度，對比度與結(jié)構(gòu)信息，這為各像素點灰度值的均值，方差和協(xié)方差賦予了物理意義；SSIM在數(shù)據(jù)的對比方式上，鄙棄了單調(diào)的差分值，轉(zhuǎn)而使用更為全面的結(jié)構(gòu)特性。SSIM的公式如下，C1、C2、C3是常數(shù)，作用在于防止分母為0并且調(diào)節(jié)各種特征之間的比重，SSIM值的范圍為[0,1]，越接近1，表示圖像失真程度越小。lcsSSIMSSIM算法提出后引來了很多人的研究，其中FSIM（特征相似性）就是對SSIM的其中一種較為成功的變種，F(xiàn)SIM算法對SSIM算法的改進(jìn)在于，F(xiàn)SIM算法認(rèn)為圖像中的各個像素對于物體成像結(jié)果的結(jié)構(gòu)分析的重要性是不同的，位于物體邊緣區(qū)域的像素對于物體成像質(zhì)量的影響是最為重要的，假使把這些像素點和位于背景區(qū)域的像素點一同處理，那對于最終物體成像質(zhì)量評價的結(jié)果的準(zhǔn)確性是有影響的，因此FSIM算法給每一個像素加上了相位一致性的權(quán)重，因為某些相位一致性在人類的大腦中可以表示圖像的特征信息。FSIM算法比SSIM算法更合理的地方在于，它使用圖像特征代替了SSIM算法中的統(tǒng)計特征。同時由于圖像梯度幅值也可以用來衡量圖像的對比度信息，所以FSIM算法，選取了圖像特征和圖像梯度幅值兩個量來作為評價圖像質(zhì)量的指標(biāo)。在之后的發(fā)展中，又結(jié)合了顏色特征建立了FSIMc算法，這使得圖像質(zhì)量評價的結(jié)果更加全面完善，但與此同時，這也降低了算法的運(yùn)算效率。PC相位一致的計算：GG采用的是Scharr算子計算GM：GM=SSSSL(x)的兩個指數(shù)取1時，圖像的所有像素權(quán)重一樣，PC值可以做為權(quán)重衡量因子，并且圖像中每個像素的位置的重要性也和它的PC值息息相關(guān)。PC加上權(quán)重之后的FSIM的值，如上式。為FSIM值的最終結(jié)果。FSIM=2014年LinZhang提出了VSI（視覺顯著性指數(shù)），VSI這一指標(biāo)主要注重于圖像顯著圖的失真，通過圖像顯著圖的變化來研究圖像質(zhì)量失真，VSI指數(shù)的開發(fā)者認(rèn)為圖像顯著圖發(fā)生變化時，圖像在人眼中的視覺顯著性也會隨之變化，從而人類主觀會感受到圖像失真。超閾值的失真會對圖像的顯著圖產(chǎn)生很大的影響，VSI將FSIMc中的相位一致性特征用顯著圖特性替代，該算法同時涉及了顏色和圖像的特征兩個方面，但VSI算法目前為止效率仍然很低。2014年WufengXue提出了GMSD（梯度幅相似性偏差），GMSD算法被開發(fā)出來之前，還出現(xiàn)過許多其他的算法（如VIF算法等），當(dāng)時許多算法具有的普遍缺點是運(yùn)行效率低。GMSD算法的開發(fā)者在對圖像的特征指標(biāo)進(jìn)行選擇時，把重點放在了能契合人感知能力的邏輯簡單的圖像指標(biāo)。在之前對圖像質(zhì)量評價方法的研究基礎(chǔ)上，GMSD算法最終決定選用的評價指標(biāo)是圖像的梯度信息。選擇圖像的梯度信息的原因是，梯度信息是對圖像質(zhì)量具有很大影響的底層特征，并且人類對于圖像的梯度信息的敏感度也非常高。因此GMSD算法的運(yùn)行效率比先前的圖像質(zhì)量評價算法都要好。GMSD算法的實現(xiàn)過程如下：選用prewitt算子，在x方向和y方向?qū)D像進(jìn)行內(nèi)卷積運(yùn)算，得到兩幅圖像r和d在水平方向和垂直方向的梯度幅值，將每個像素的位置用i表示，通過梯度幅值的計算得到GMG(i)函數(shù)，計算GMS(i)的平均值GMSM，使用梯度函數(shù)GMS的偏差GMSD來作為最終的評價指標(biāo)。hGMSGMSD=2016年IEEEAccess期刊發(fā)布的MDSI算法，是除了少數(shù)基于深度學(xué)習(xí)相關(guān)的全參考圖像質(zhì)量評價方法之外，目前綜合性能最高的算法。MDSI算法是在GMSD算法的基礎(chǔ)上，加上顏色特征，MDSI算法是梯度、顏色和方差卷積運(yùn)算的集大成者，雖然MDSI算法并沒有為圖像質(zhì)量評價領(lǐng)域帶來一些新的想法，但是該算法的效率還是很高效。目前圖像質(zhì)量評價算法領(lǐng)域的現(xiàn)狀，并不缺乏一些新的想法，但是卻始終沒有一種有效的且普適性高的算法出現(xiàn)。圖像質(zhì)量評價方法中，客觀質(zhì)量評價算法的準(zhǔn)確程度始終無法與主觀質(zhì)量評價方法的準(zhǔn)確程度相當(dāng)，因此圖像質(zhì)量評價算法最終可能還是需要使用模擬人類感知的深度學(xué)習(xí)，來達(dá)到最好的圖像質(zhì)量評價效果，人工設(shè)計的各種圖像質(zhì)量特征雖然可以在某些指定的特征上達(dá)到很好的評價效果，但還是很難在普適情況下做到完整全面地對圖像進(jìn)行質(zhì)量評價。3.2.1算法可行性分析根據(jù)參考文獻(xiàn)“ImageQualityAssessment:FromErrorVisibilitytoStructuralSimilarity”中LIVE數(shù)據(jù)集中的PSNR的實驗結(jié)果，選用同樣的三組JPEG2000壓縮失真類型圖片，使用編寫的PSNR算法對三組圖形進(jìn)行質(zhì)量評價。結(jié)果如下表所示：圖像及結(jié)果來源文獻(xiàn)的評價結(jié)果本文的評價結(jié)果PSNR=23.46dBPSNR=23.63dBPSNR=34.56dBPSNR=33.11dBPSNR=33.47dBPSNR=31.34dB由上表可知，本文所編寫的PSNR算法與文獻(xiàn)中的算法雖有細(xì)微差距，但在誤差允許的范圍之內(nèi)，因為PSNR運(yùn)算結(jié)果和MSE的運(yùn)算結(jié)果有相關(guān)性，故本文編寫的PSNR算法與MSE算法均合理，具有可行性。根據(jù)參考文獻(xiàn)“評價圖像質(zhì)量的新方式SSIM”中對不同失真類型的圖像進(jìn)行SSIM評價的實驗結(jié)果，將不同的圖片從文獻(xiàn)的資料中分割處理，將得到的圖片使用編寫的SSIM算法對圖像進(jìn)行質(zhì)量評價。結(jié)果如下表所示：圖像及結(jié)果來源文獻(xiàn)的評價結(jié)果本文的評價結(jié)果（原圖）SSIM=1SSIM=1SSIM=0.998SSIM=0.970SSIM=0.913SSIM=0.910由上表可知，本文所編寫的SSIM算法與文獻(xiàn)中的算法結(jié)果雖有誤差，但誤差在允許的范圍之內(nèi)，故本文編寫的SSIM算法合理，具有可行性。根據(jù)參考文獻(xiàn)“Gradientmagnitudesimilaritydeviation:Ahighlyefficientperceptualimagequalityindex”中的LIVE數(shù)據(jù)集GMSD評價的實驗結(jié)果，在LIVE數(shù)據(jù)庫中選取三組與文獻(xiàn)圖片失真程度最相近的圖片，使用編寫的GMSD算法對圖像進(jìn)行質(zhì)量評價。結(jié)果如下表所示：圖像及結(jié)果來源文獻(xiàn)中的評價結(jié)果本文的評價結(jié)果差值/文獻(xiàn)結(jié)果(%)模糊GMSD=0.082GMSD=0.0820JPEG壓縮GMSD=0.095GMSD=0.0869.47%JPEG2000壓縮GMSD=0.157GMSD=0.1495.09%AVERAGE4.85%由上表可知，本文所編寫的GMSD算法與文獻(xiàn)中的算法有一定的差值，因為無法獲得文獻(xiàn)中作者使用的失真圖像的完整參數(shù)，故本文的GMSD算法所選用的失真圖像為LIVE數(shù)據(jù)集中可以獲得的最接近文獻(xiàn)中作者所使用圖像失真程度的圖像，從算法復(fù)現(xiàn)的效果來看，本文編寫的GMSD算法運(yùn)算結(jié)果合理，具有可行性。3.2.2實驗驗證針對該項目宏觀結(jié)構(gòu)和微觀結(jié)構(gòu)的成像結(jié)果，我選擇了MSE，PSNR，SSIM，GMSD四種全參考圖像質(zhì)量評價指標(biāo)對不同的成像方案進(jìn)行了圖像質(zhì)量評價。1.MSE均方誤差和PSNR峰值信噪比使用MSE和PSNR作為評價指標(biāo)，來對圖像壓縮前后的失真程度進(jìn)行評價。因為在實際生產(chǎn)實踐過程中，為了提高檢測效率，提高數(shù)字圖片信息的傳遞速度，會在一些情況下對圖像進(jìn)行壓縮，同時，由于圖像具有高度的結(jié)構(gòu)性，度圖像進(jìn)行壓縮可以去除一些冗余的數(shù)據(jù)和信息，對數(shù)字圖像的傳遞，儲存都有很大的幫助。在實驗過程中，首先對一張微觀結(jié)構(gòu)顯微成像結(jié)果的圖像進(jìn)行了不同程度的壓縮，得到了多張內(nèi)存不同的圖片，然后我通過算法對這組圖片進(jìn)行分析，計算MSE值和PSNR值的大小。運(yùn)算結(jié)果如下圖所示：實驗結(jié)果顯示當(dāng)圖像JPEG壓縮品質(zhì)為20時，圖像的內(nèi)存約為原圖像的67%，圖像的質(zhì)量與原圖像相差不大，此時雖然圖像質(zhì)量有一定的損壞但是圖像信息缺失并大多；當(dāng)壓縮品質(zhì)低于10后，圖像質(zhì)量下降得很快，但是內(nèi)存的壓縮卻很難再有大的進(jìn)展。結(jié)論：對圖像進(jìn)行JPEG壓縮處理時，壓縮品質(zhì)最好不要低于20。2.SSIM結(jié)構(gòu)相似性使用SSIM作為評價指標(biāo)，對圖像的亮度、對比度、以及圖像的結(jié)構(gòu)特征方面進(jìn)行評價。在實驗過程中，我使用了控制變量法，首先我將成像系統(tǒng)中光源的光照強(qiáng)度設(shè)置為最大值255，在聚焦清晰的條件下，通過改變相機(jī)曝光時間的長短，獲得三張在最大光照強(qiáng)度下，不同曝光時間的圖像；接下來我選定了其中兩張圖像中曝光時間的數(shù)值，保持確定的曝光時間，在聚焦清晰的條件下，對光源的光照強(qiáng)度進(jìn)行不同程度的改變。這一實驗過程是在模擬生產(chǎn)實踐過程中光線對圖像的亮度、對比度以及圖像結(jié)構(gòu)特征的影響，選用了對檢測目標(biāo)的光線成像結(jié)果中的兩類影響因素，即光源的產(chǎn)生，相機(jī)對檢測目標(biāo)上光線的采集。之后，在三張相同光照條件，不同曝光時間的圖像中，我選用了主觀評價中，圖像質(zhì)量最高的圖像作為參考圖像，兩張圖像作為測試圖片，對兩組對比圖像組通過算法進(jìn)行分析；對兩組相同曝光時間，不同光照條件的圖像組，同樣也通過算法進(jìn)行分析。（圖一：光照強(qiáng)度為最大255，曝光時間分別為67759μs和196773μs的兩張圖像的SSIM值）（圖二：光照強(qiáng)度為最大255，曝光時間分別為67759μs和333628μs的兩張圖像的SSIM值）（圖三：曝光時間為333628μs，光照強(qiáng)度分別為80和155，的兩張圖像的SSIM值）（圖四：曝光時間為333628μs，光照強(qiáng)度分別為80和255，的兩張圖像的SSIM值）實驗結(jié)果顯示，提高曝光時間和光照強(qiáng)度都會提高成像結(jié)果的SSIM指標(biāo)，在成像結(jié)果的亮度對比度方面，曝光時間比光照強(qiáng)度對成像質(zhì)量的影響效果更顯著；在成像結(jié)果的噪聲方面，提高光照強(qiáng)度在提高圖像質(zhì)量的同時，對圖像的降噪效果更好。雖然單純地從SSIM值的角度來評價圖像質(zhì)量，單純提高曝光時間就可以在很大程度上優(yōu)化圖像質(zhì)量，但是，當(dāng)曝光時間過高時，會產(chǎn)生過曝，損壞圖像內(nèi)容，會使圖像的噪點增多，銳度降低，圖像質(zhì)量下降。對成像方案設(shè)計過程的指導(dǎo)：在結(jié)合PSNR值的情況下，可以在適當(dāng)降低曝光時間的同時，提高光照強(qiáng)度，這樣既可以在亮度對比度方面提高圖像質(zhì)量，也可以在圖像的噪聲方面，對圖像進(jìn)行優(yōu)化。在實踐中發(fā)現(xiàn)，SSIM值對于成像結(jié)果相差不大的成像系統(tǒng)或同一成像系統(tǒng)的不同成像條件下的成像結(jié)果，具有較好的評價效果，但對于成像結(jié)果相差較大的成像方案的評價，則會產(chǎn)生失真的問題，原因可能為背景像素的權(quán)重與物體像素的權(quán)重一致，導(dǎo)致背景像素對于SSIM值的影響較大，故最終結(jié)果失真。3.GMSD梯度幅相似性偏差使用GMSD作為評價指標(biāo)，在對圖像的亮度，對比度，以及圖像的結(jié)構(gòu)特征方面進(jìn)行評價的同時，對于圖像不同局部結(jié)構(gòu)的不同權(quán)重的分配更為合理。為了解決SSIM算法對于成像結(jié)果相差較大的成像方案評價失真的情況，選取微觀結(jié)構(gòu)的兩種成像方案中垂直和傾斜方向的成像結(jié)果，使用GMSD算法進(jìn)行分析，在使用C#對GMSD算法進(jìn)行編程的過程中，由于圖像在內(nèi)存中是以字節(jié)數(shù)組的形式進(jìn)行儲存的，所以需要先將圖像轉(zhuǎn)化為小數(shù)類型的數(shù)組，再和x，y方向的卷積核進(jìn)行卷積運(yùn)算。實驗結(jié)果如下：實驗結(jié)果顯示，對于同一檢測物體，不同成像系統(tǒng)所得的不同成像結(jié)果的評價值，與SSIM值相比，GMSD值不會出現(xiàn)失真的情況，計算結(jié)果更為可靠；GMSD算法對圖像在內(nèi)容方面的特征具有一定的識別能力。GMSD值在成像方案的設(shè)計過程中，可以對不同成像方案之間的成像結(jié)果質(zhì)量進(jìn)行較為可靠的評價。從先前的實驗結(jié)論可知，在微觀結(jié)構(gòu)的成像方案設(shè)計中，對于LD芯片的成像部分，顯微成像方案的成像結(jié)果的質(zhì)量更好，所以以顯微成像方案為參考圖像，選取了兩張遠(yuǎn)心成像方案中，六倍鏡和八倍鏡的成像結(jié)果，構(gòu)成了兩個實驗組，使用GMSD算法進(jìn)行分析。實驗結(jié)果如下：由實驗結(jié)果可知，遠(yuǎn)心鏡頭八倍鏡的成像效果比六倍鏡的成像效果更好。對成像方案設(shè)計過程的指導(dǎo)：在滿足視野要求和其他不可變的條件之下，選擇更高倍率的鏡頭對成像效果有利。4結(jié)論隨著機(jī)器視覺，視覺檢測行業(yè)的快速發(fā)展，對于不同檢測目標(biāo)的成像系統(tǒng)的設(shè)計問題的研究越來越深入，但是設(shè)計方面的問題是依據(jù)不同的檢測目標(biāo)的不同需求進(jìn)行解決的，并且根據(jù)成像方案在實驗過程中遇到的問題進(jìn)行不斷優(yōu)化的，這使得成像系統(tǒng)的設(shè)計過程以實驗優(yōu)化為主，以理論分析為輔。隨著我國各光學(xué)儀器制造企業(yè)的發(fā)展，在成像系統(tǒng)的設(shè)計過程中對成像設(shè)備的選用更加方便快捷，這在一定程度上提高了視覺檢測成像方案設(shè)計的效率。在圖像質(zhì)量評價方面，現(xiàn)有的傳統(tǒng)圖像質(zhì)量評價方法可以對成像系統(tǒng)的設(shè)計過程中各成像設(shè)備和參數(shù)的調(diào)整提供幫助。為了設(shè)計出更為合理和完善的芯片宏觀結(jié)構(gòu)成像方案和微觀結(jié)構(gòu)成像方案，本文首先調(diào)查研究不同成像設(shè)備的特點，然后通過分析檢測目標(biāo)的檢測需求，選取了市面上已有的幾款相對合適的成像設(shè)備，然后實驗發(fā)現(xiàn)問題，解決問題，優(yōu)化成像方案，并對不同設(shè)計階段的成像方案的成像結(jié)果進(jìn)行質(zhì)量評價，并在圖像質(zhì)量評價算法的指導(dǎo)下，進(jìn)一步改善成像方案，最終獲得適合于檢測目標(biāo)的較為完善的成像方案。本文選取的圖像質(zhì)量評價指標(biāo)，從不同角度對成像方案的改進(jìn)提出了意見，SMD和SMD2指標(biāo)結(jié)合檢測目標(biāo)的檢測需求，在遠(yuǎn)心成像方案和顯微成像方案中，通過分析得出，顯微成像方案對LD芯片的檢測成像效果更好；MSE和PSNR指標(biāo)對圖像質(zhì)量分析后指出，可以對圖像進(jìn)行JPEG壓縮品質(zhì)不大于20的壓縮，這可以在去掉一下圖像中的冗余的數(shù)據(jù)，且對圖像質(zhì)量的損壞在可接受范圍之內(nèi)的情況下，對圖像的所占內(nèi)存進(jìn)行壓縮67%；SSIM和PSRN指標(biāo)通過控制變量法實驗得出，在亮度，對比度和噪聲方面綜合來看，提高圖像的質(zhì)量，可以在適當(dāng)降低曝光時間的同時，提高光照強(qiáng)度，來對成像質(zhì)量進(jìn)行提高；GMSD指標(biāo)可以對不同成像系統(tǒng)成像結(jié)果的內(nèi)容信息進(jìn)行比較，該指標(biāo)通過對比實驗得出，在其他已知的條件下，選擇更高倍率的鏡頭對成像效果有利。這些傳統(tǒng)的評價方法不能完全準(zhǔn)確的和人的主觀評價結(jié)果相符，由于人類視覺系統(tǒng)的不斷發(fā)展進(jìn)化，客觀圖像質(zhì)量評價將會不斷進(jìn)行改善。本文中設(shè)計的芯片微觀結(jié)構(gòu)的成像方案，在自動化方面仍然存在一定的不足；所用到的圖像質(zhì)量評價算法，使用的是C#語言進(jìn)行編程的，算法的穩(wěn)定性更高，但是由于時間有限，本文中的算法仍然存在一定的缺陷，還可以做如下深入研究：1本文設(shè)計的只是在靜態(tài)條件下的微觀成像方案，所有成像結(jié)果的顯示，均依靠人工主觀對芯片位置進(jìn)行調(diào)整，但是在實際的生產(chǎn)過程中，檢測過程是自動化的過程，在自動化的檢測過程中，因為芯片微觀結(jié)構(gòu)檢測視場的范圍僅為宏觀結(jié)構(gòu)檢測視場的范圍的幾十分之一，故對芯片的精準(zhǔn)定位過程仍需深入研究探討。2本文設(shè)計的圖像質(zhì)量評價算法對成像結(jié)果進(jìn)行檢測時，檢測的效率很低，一方面這和圖像自身的分辨率較大有關(guān)，另一方面，算法結(jié)構(gòu)也有待改進(jìn)，現(xiàn)階段算法的檢測效率并不高，無法滿足實際生產(chǎn)生活的需要。參考文獻(xiàn)WANGZhou,BOVIKAC,SHEIKHHR,eta1.Imagequalityas.sessment:fromerrorvisibilitytostructuralsimilarity[J].IEEETransonImageProcessing,2004,13(4):600-612袁莉.基于視覺感知的梯度結(jié)構(gòu)相似度圖像質(zhì)量評價方法[D].安徽大學(xué),2016.王志明.無參考圖像質(zhì)量評價綜述[J].自動化學(xué)報,2015,41(6):1062-1079申勤.數(shù)字圖像清晰度評價函數(shù)的研究與改進(jìn)[J].微型機(jī)與應(yīng)用,2011,30(1):32-33李郁峰.一種快速高靈敏度聚焦評價函數(shù)[J].計算機(jī)應(yīng)用研究,2010,27(4):1534-1536AVCIBASI,SANBURB,SAYOODK.Statisticalevaluation0fimagequalitymeasures[J].JournalofElectronicImaging,2002.11(2):206—213GIRODB.What’swrongwithmean-squaredeITor[M]//DigitalImagesandHumanVision.Cambridge:MITPress,1993:207—22ESKICIOGLUAM,FISHERPS.Imagequalitymeasuresandtheirperformance[J].IEEETransonCommunications,1995,43(12):2959—2965褚江.全參考圖像質(zhì)量評價綜述[J].計算機(jī)應(yīng)用研究,2014,31(1):13-22WANGZhou,BOVIKAC.Auniversalimagequalityindex[J].IEEETransSignalPrecessing,2002,9(3):91-94LIUZheng,LAGANIRER.Phasecongruencemeasurementforimagesimilarityassessment[J].PatternRecognition,2007,28(1):l66-172ZHANGLin,ZHANGLei,MOUXuan.qin,eta1.FSIM:afeaturesimilarityindexforimagequalityassessment[J].IEEETransonImageProcessing,2011,20(8):2378-238Bovik,AlanConrad.Auto