정의한 이슈를 찾는 방법을 평가해야합니다. 일단 특성화 된 것이 있으면 해당 유물을 찾기 위해 각 메소드를 코딩해야합니다. 이러한 방법은 원본 이미지 (또는 중간 이미지)에서 인코딩 된 이미지를 제외하고 차이 이미지에 가장 적합합니다. 아마도 각 색상 채널을 개별적으로 분석해야 할 것입니다. 가장 간단한 것은 임계 값 일 것입니다 - 인코딩 된 이미지의 어떤 부분이 어떤 임계 값만큼 떨어져 있습니까? 블럭 니스와 에지 노이즈의 경우, 차이 이미지에서 모양/선을 인식하기 위해 일종의 허프 (Hough) 변환을 사용하고, 특정 주파수 패턴에 맞게 조정할 수있는 유사한 웨이브 렛 변환 또는 이와 유사한 것을 사용하여 가장자리 주변에서 울리는 것을 상상해보십시오. .
(klo의 의견에 응답) : 참조없이 내가 원하는 것을 성취 할 수 있을지 확신하지 못합니다. 개별 색상 채널에서 언급 한 기술을 적용 해 볼 수 있습니다. 어려운 부분은 참조 없이는 어떤 유물도 측정하지 않고 오히려 이미지 기능을 측정하는 것입니다. 회전이없는 이미지 프레임과 정확히 일치하는 블록 성과 같은 사전 정보도 사용할 수 있습니다. 모든 실제 이미지는 아마도 프레임과 함께 완벽하게 지향 된 뭉툭한 많은 특징을 가질 가능성이 거의 없습니다. 또한 가우스 또는 Canny 엣지 감지의 차이와 같은 엣지 찾기 알고리즘을 적용한 다음 벨이 울린 부분을 찾기 위해 웨이브 렛 필터를 적용 할 수 있습니다.
알려진 프로그래밍 방식의 경우 파이썬의 scikits-image (게시물에서부터 메일 링리스트에 이르기까지) 또는 파이썬 바인딩이있는 OpenCV를 참조하십시오. 나는 Matlab의 기능에 익숙하지 않지만, 아마도 그것도 잘 작동 할 것이다.
"이미지를 보지 않고"무엇을 의미합니까? 파일을 읽을 수 있습니까? –
예 읽을 수 있습니다. 이미지 뷰어에서 열지 않고 이미지를보고이 아티팩트를 감지하지 않고 의미했습니다. 특정 정확도 내에서 가능한 보이는 아티팩트를 자동으로 감지 할 수 있기를 원합니다. – vlad
이 해결책을 찾았습니까? – OneSolitaryNoob