前面已经整理了TID2008,这次整理TID2013的工作相对较简单,只需要改代码的一部分就可以了,首先我大概介绍一些TID2013。

TID2013是TID2008的加强版,链接如下:http://www.ponomarenko.info/tid2013.htm。包括25幅参考图像,3000幅失真图像(25参考图像X24种失真×5失真水平)。失真类型有24种,增加了包括:改变色彩饱和度、多重高斯噪声、舒适噪声、有损压缩、彩色图像量化、色差以及稀疏采样。该数据库的DMOS值由971观察者给出524340个数据统计得到,MOS取值范围为[0,9]。所有图像都以Bitmap格式保存在数据库中,没有任何压缩。

文件名命名方式:参考图像号,失真类型,失真水平(“iXX_YY_Z.bmp”)。例如,名称为“i05_11_4.bmp”是指第5个参考图像,第11个类型的失真和与此失真相关的第4种水平。

分类整理过程跟之前的一样,先建立一个存放整体新数据的文件夹,比如disimage_fenkai,然后在该文件夹中建立24个存放每类失真图片和对应主观评分的文件夹,再在每个失真文件夹中建立文本文档存放主观评分(分割源mos_with_names.txt文本),最后根据文本中的数据将失真图片进行相应的分类。以下是详细过程代码:

1、新建disimage_fenkai,然后在该文件中建立24个用于存放每类失真的文件夹。

mkdir('./disimage_fenkai')
for i =1:24
mkdir('./disimage_fenkai/',['#',num2str(i)]);
end % 文件路径中必须是斜杠不能是反斜杠
%.m文件的命名不能是mkdir,否则会报错

  2、在每个对应的文件夹中新建文本文档用于存放每类失真图片的主观评分,然后将mos_with_names.txt文本中的文本按要求分割到每一个文本文档中,对应的代码如下:

%filename = '.\mos_with_names.txt';
%[vale,name] = textread(filename , '%f %s');
clc; clear file = '.\mos_with_names.txt';
fid = fopen(file,'r');
disp(['Reading file: ',file]);
linenumber = 0;
fid1=fopen('.\disimage_fenkai\#1\#1.txt','wt'); %必须要以wt的方式打开,不然不能换行
fid2=fopen('.\disimage_fenkai\#2\#2.txt','wt');fid3=fopen('.\disimage_fenkai\#3\#3.txt','wt');
fid4=fopen('.\disimage_fenkai\#4\#4.txt','wt');fid5=fopen('.\disimage_fenkai\#5\#5.txt','wt');
fid6=fopen('.\disimage_fenkai\#6\#6.txt','wt');fid7=fopen('.\disimage_fenkai\#7\#7.txt','wt');
fid8=fopen('.\disimage_fenkai\#8\#8.txt','wt');fid9=fopen('.\disimage_fenkai\#9\#9.txt','wt');
fid10=fopen('.\disimage_fenkai\#10\#10.txt','wt');fid11=fopen('.\disimage_fenkai\#11\#11.txt','wt');
fid12=fopen('.\disimage_fenkai\#12\#12.txt','wt');fid13=fopen('.\disimage_fenkai\#13\#13.txt','wt');
fid14=fopen('.\disimage_fenkai\#14\#14.txt','wt');fid15=fopen('.\disimage_fenkai\#15\#15.txt','wt');
fid16=fopen('.\disimage_fenkai\#16\#16.txt','wt');fid17=fopen('.\disimage_fenkai\#17\#17.txt','wt');
fid18=fopen('.\disimage_fenkai\#18\#18.txt','wt');fid19=fopen('.\disimage_fenkai\#19\#19.txt','wt');
fid20=fopen('.\disimage_fenkai\#20\#20.txt','wt');fid21=fopen('.\disimage_fenkai\#21\#21.txt','wt');
fid22=fopen('.\disimage_fenkai\#22\#22.txt','wt');fid23=fopen('.\disimage_fenkai\#23\#23.txt','wt');
fid24=fopen('.\disimage_fenkai\#24\#24.txt','wt'); while ~feof(fid)
linenumber = linenumber + 1;
line = fgetl(fid);
if(line(12:15) == '_01_') %跟之前的失真类型的位置不一样,因为TID2013的主观评分的精度要高一位。
%disp([num2str(linenumber),':',line]);
fprintf(fid1,[line,'\n']);
elseif(line(12:15) == '_02_')
fprintf(fid2,[line,'\n']);
elseif(line(12:15) == '_03_')
fprintf(fid3,[line,'\n']);
elseif(line(12:15) == '_04_')
fprintf(fid4,[line,'\n']);
elseif(line(12:15) == '_05_')
fprintf(fid5,[line,'\n']);
elseif(line(12:15) == '_06_')
fprintf(fid6,[line,'\n']);
elseif(line(12:15) == '_07_')
fprintf(fid7,[line,'\n']);
elseif(line(12:15) == '_08_')
fprintf(fid8,[line,'\n']);
elseif(line(12:15) == '_09_')
fprintf(fid9,[line,'\n']);
elseif(line(12:15) == '_10_')
fprintf(fid10,[line,'\n']);
elseif(line(12:15) == '_11_')
fprintf(fid11,[line,'\n']);
elseif(line(12:15) == '_12_')
fprintf(fid12,[line,'\n']);
elseif(line(12:15) == '_13_')
fprintf(fid13,[line,'\n']);
elseif(line(12:15) == '_14_')
fprintf(fid14,[line,'\n']);
elseif(line(12:15) == '_15_')
fprintf(fid15,[line,'\n']);
elseif(line(12:15) == '_16_')
fprintf(fid16,[line,'\n']);
elseif(line(12:15) == '_17_')
fprintf(fid17,[line,'\n']);
elseif(line(12:15) == '_18_')
fprintf(fid18,[line,'\n']);
elseif(line(12:15) == '_19_')
fprintf(fid19,[line,'\n']);
elseif(line(12:15) == '_20_')
fprintf(fid20,[line,'\n']);
elseif(line(12:15) == '_21_')
fprintf(fid21,[line,'\n']);
elseif(line(12:15) == '_22_')
fprintf(fid22,[line,'\n']);
elseif(line(12:15) == '_23_')
fprintf(fid23,[line,'\n']);
elseif(line(12:15) == '_24_')
fprintf(fid24,[line,'\n']); end
end fclose(fid1);fclose(fid2);fclose(fid3);fclose(fid4);
fclose(fid5);fclose(fid6);fclose(fid7);fclose(fid8);
fclose(fid9);fclose(fid10);fclose(fid11);fclose(fid12);
fclose(fid13);fclose(fid14);fclose(fid15);fclose(fid16);
fclose(fid17);fclose(fid18);fclose(fid19);fclose(fid20);
fclose(fid21);fclose(fid22);fclose(fid23);fclose(fid24);fclose(fid);

 结果如下:

 3、根据文本中的数据将文件distorted_images中的3000张失真图片进行相应的分类,将分类的图片存到对应的失真类型文件夹中,代码如下:

for i =1:24
file = ['.\disimage_fenkai\#',int2str(i),'\#',int2str(i),'.txt'];
fid = fopen(file,'r');
disp(['Reading file: ',file]);
while ~feof(fid) line = fgetl(fid);
filename = line(9:20); %取出图片名,注意现在的图片名要往后移动一位(跟TID2008相比),因为TID2013的主观评分精度高一位
A=imread(['.\distorted_images\',filename]); %按照图片名读取图片
%mkdir('.\disimage_fenkai\#1\');
imwrite(A,['.\disimage_fenkai\#',int2str(i),'\',filename]); %将图片按原名字存在#i中
end
fclose(fid); end

 分割的最后结果显示如下:

 所有代码的.m文件放到跟下载的失真数据集distorted_images文件夹同一路径下即可运行。如:

按失真类型分类整理IQA数据集:TID2013的更多相关文章

  1. 按失真类型分类整理TID2008

    对于图像质量评价(IQA)数据库,TID2008算是不大不小的数据集了.TID2008是由乌克兰国家航空航天大学的N504信号接收.传输与处理系建立,包括25幅参考图像,1700幅失真图像.失真类型有 ...

  2. 做一个logitic分类之鸢尾花数据集的分类

    做一个logitic分类之鸢尾花数据集的分类 Iris 鸢尾花数据集是一个经典数据集,在统计学习和机器学习领域都经常被用作示例.数据集内包含 3 类共 150 条记录,每类各 50 个数据,每条记录都 ...

  3. (zhuan) 126 篇殿堂级深度学习论文分类整理 从入门到应用

    126 篇殿堂级深度学习论文分类整理 从入门到应用 | 干货 雷锋网 作者: 三川 2017-03-02 18:40:00 查看源网址 阅读数:66 如果你有非常大的决心从事深度学习,又不想在这一行打 ...

  4. python基础——重访类型分类

    python基础--重访类型分类 对象根据分类来共享操作:例如,字符串.列表和元组都共享诸如合并.长度和索引等序列操作. 只有可变对象(列表.字典和集合)可以原处修改:我们不能原处修改数字,字符串.元 ...

  5. Android Studio 分类整理 res/layout 中的布局文件

    •准备工作 新建一个名为 TestLayouts 的项目: 进入 Project 模式: 来到 TestLayouts/app/src/main/res/layout 文件夹下: •分类整理 layo ...

  6. C++ //构造函数的分类及调用 //分类 // 按照参数分类 无参构造函数(默认构造) 有参构造函数 //按照类型分类 普通构造 拷贝构造

    1 //构造函数的分类及调用 2 //分类 3 // 按照参数分类 无参构造函数(默认构造) 有参构造函数 4 //按照类型分类 普通构造 拷贝构造 5 6 #include <iostream ...

  7. DevOps开源工具的三种分类整理

    原文地址:http://www.360doc.com/content/16/0322/07/31263000_544210096.shtml 随着开发运维一体化的DevOps运动在国内外蓬勃发展,De ...

  8. .NET系列文章——近一年文章分类整理,方便各位博友们查询学习

    由于博主今后一段时间可能会很忙(准备出书:<.NET框架设计—模式.配置.工具>,外加换了新工作),所以博客会很少更新: 在最近一年左右时间里,博主各种.NET技术类型的文章都写过,根据博 ...

  9. 大量Python开源第三方库资源分类整理,含菜鸟教程章节级别链接

    Python是一种面向对象的解释型计算机程序设计语言,由荷兰人Guido van Rossum于1989年发明.因其具有丰富和强大的库,它常被称为胶水语言,能够把用其它语言制作的各种模块(尤其是C/C ...

随机推荐

  1. 重温CLR(一)CLR基础

    如果一个C#developer,对CLR没有了解,那就只能是入门级别.未来.NET CORE是趋势,但是.NET CORE 也是基于CoreCLR的,而CLR和CoreCLR其实差别不大,从runti ...

  2. LeetCode Perfect Number

    原题链接在这里:https://leetcode.com/problems/perfect-number/#/description 题目: We define the Perfect Number ...

  3. linux使用收集

    Centos7 命令 # 查询正运行的java进程,建议使用jps,使用ps会将tail也显示出来 jps -lvm | grep '/home/chencye/tomcat/apache-tomca ...

  4. mac下完全卸载mysql的方法

    sudo rm /usr/local/mysqlsudo rm -rf /usr/local/mysql*sudo rm -rf /Library/StartupItems/MySQLCOMsudo ...

  5. (C#)Windows Shell 外壳编程系列3 - 上下文菜单(iContextMenu)(一)右键菜单

    (本系列文章由柠檬的(lc_mtt)原创,转载请注明出处,谢谢-) 接上一节:(C#)Windows Shell 外壳编程系列2 - 解释,从“桌面”开始展开 这里解释上一节中获取名称的方法 GetD ...

  6. mysql5.6之 传输表空间迁移表或恢复误删除的表

    一,简单说明: 1),传输表空间的限制:  1,mysql 版本 5.6.6 及其以上,并且版本建议源和目标版本建议都是GA版并且大版本一样  2,表引擎为innodb并且开启独立表空间  innod ...

  7. Azure disk iops的测试

    在Public Cloud中,VM.Storage和Network是IaaS的三大基础.本文将介绍在Azure的VM上测试磁盘IOPS的工具和方法. 一.添加磁盘.初始化磁盘 1.添加磁盘 把相应的信 ...

  8. POJ2976(最大化平均值)

    Dropping tests Time Limit: 1000MS   Memory Limit: 65536K Total Submissions: 9329   Accepted: 3271 De ...

  9. Java程序开发中的简单内存分析

    首先说明内存总体分为了4个部分, 包括 1.stack segment (栈区存储基本数据类型的局部变量,对象的引用名) 2.heap segment(堆区,一般用于存储java中new 出来的对象) ...

  10. springmvc----demo2---a->b--bai

    1.jsp 2.jsp 3.jsp LianxiAction: package com.etc.controller; import javax.servlet.http.HttpSession; i ...