圖像增強算法中，對于圖像中目標是否得到增強，有一個信背比的評價指標，由于在百度上都沒有找到相關的記載，我找了幾篇文章對這一概念進行介紹，如果有誤請各位指出來，如果其他地方有比較詳細的介紹也請在評論區附上鏈接供大家學習，感謝~

信背比評價圖像中目標顯著程度，對于弱目標顯示效果明顯。在信噪比相近的條件下，信背比越高，目標信號越顯著。

? ?

上圖出自文獻[2]，使用局部信背比(LSBR)。用于評價圖像的增強效果。

?

信背比的概念及計算方法[1]

在圖像處理領域，沒有直觀的物理量可以表現目標的顯著程度。信背比的概念來源于光譜學，對目標信號的顯著程度進行量化，直觀的反映出目標信號與背景的平均灰度值之比。

文中信背比SBR為信號區（圖像內）像素點的平均灰度值比上背景區域像素點的

值，且信號區域像素點不含有背景灰度值，背景區域像素點也不含有目標信號灰度值。因此，當像素點(x,y)屬于信號區域時：

當像素點(x,y)屬于背景區域時：

信背比的計算表達為：

由于灰度值的數值不代表絕對的大小，僅代表白色與黑色之間的灰度等級，因此信背比不存在正負之分，因此取絕對值

由上式可知，當信背比SBR=0時，，，信號灰度值與背景灰度值相等，即信號與背景完全無法分辨。

%提取圖像的SRB值 clear all;clc; I=rgb2gray(imread('aa.png')); %讀取圖片 figure(1),imshow(I);title('源圖像'); J1=im2bw(I,graythresh(I)); figure(2),imshow(J1);title('初始二值圖像'); [m,n]=size(I); %int i; %int j; sum_xinhao=0.0; sum_beijing=0.0; count=0; for i=1:mfor j=1:nif(J1(i,j)==1) %信號區域count=count+1;sum_xinhao=sum_xinhao+double(I(i,j));else %背景區域sum_beijing=sum_beijing+double(I(i,j));end%sum_xinhaoend end mean_xinhao=double(sum_xinhao/count); mean_beijing=double(sum_xinhao/(m*n-count)); SBR=10*abs(log10(mean_xinhao)-log10(mean_beijing));

-----------------------------------------------------------------

參考文獻：1 張劉,張皓晨,劉付成,滿益云,孫俊,張冠宇.基于高信背比的視頻低速暗弱目標增強[J].光學精密工程,2019,27(04):945-952.

2?劉莉,錢雪飛,曹盟盟.基于圖像融合的紅外圖像增強算法研究[J].山西電子技術,2019(05):91-93.

3?提取圖像中的圓圈https://blog.csdn.net/lf666000/article/details/49981153/

總結

以上是生活随笔為你收集整理的matlab实现评价图像增强效果的参数——信背比(SBR)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。