ต่อไปนี้ไม่ได้มีไว้เพื่อเป็นคำตอบ แต่เป็นสถิติที่จะช่วยให้เราเลือกเทคนิคการเปรียบเทียบภาพที่เหมาะสมตามลักษณะของภาพที่คุณกำลังวิเคราะห์
ขั้นตอนแรกคือการพล็อต "ฮิสโตแกรมเดลต้า" ดังนี้:
for (x,y) in [0, width] x [0, height] begin
delta = abs( SecondImage(x, y) - FirstImage(x, y) )
hist[delta] += 1
end
ด้วยพล็อตของฮิสโตแกรมนี้เราจะรู้เพิ่มเติมเกี่ยวกับ "ขนาด" ของการเปลี่ยนแปลงที่คุณกำลังมองหาและจะให้คำแนะนำที่ดีขึ้น
(อีกวิธีหนึ่งโพสต์ภาพตัวอย่างโปรดจำไว้ว่าหากภาพตัวอย่างไม่ได้แสดงถึงความแตกต่างของภาพที่คุณสนใจเราอาจให้คำแนะนำที่ด้อยกว่า)
คุณสามารถทดสอบความคล้ายคลึงกันของโครงสร้าง (SSIM)ในชุดภาพและโพสต์ผลลัพธ์ของคุณได้ที่นี่ โปรดจำไว้ว่า SSIM ได้รับการออกแบบมาเพื่อเลียนแบบความสามารถของมนุษย์ในการรับรู้ถึงสิ่งกีดขวางของการเสื่อมสภาพของภาพดังนั้นมันจะตรวจจับพิกเซล แต่อาจไม่เบลอ
หากรูปภาพของคุณไม่ใช่ภาพถ่ายภาพ (หรือเป็นภาพทางวิทยาศาสตร์ที่ไม่ได้เป็นเรื่องปกติของการถ่ายภาพ) โปรดโพสต์ตัวอย่างของความสัมพันธ์แบบสองมิติอัตโนมัติมีการครอบตัดและปรับขนาดอย่างเหมาะสม
การจดจำใบหน้านั้นเป็นหัวข้อที่ใหญ่เกินไปที่จะอภิปรายในคำถามเดียว การเบลอเกิดขึ้นในหลายบริบทในการจดจำใบหน้า - อาจเป็นปัญหาคุณภาพของข้อมูลหรือสามารถทำได้โดยเจตนาว่าเป็นขั้นตอนกลางในการประมวลผลข้อมูล
ในการจดจำใบหน้าเราต้องการตรวจจับเอกลักษณ์ของใบหน้าดังนั้นเราจึงต้องเพิกเฉยต่อความแตกต่างของภาพที่ไม่ใช่เกิดจากความแตกต่างของตัวตน หมวดหมู่พื้นฐานของความแตกต่างที่ควรละเว้นในการจดจำใบหน้าคือท่าทางท่าทางและการแสดงออกทางสีหน้า
วิธีการทั่วไปในการเพิกเฉยต่อความแตกต่างที่ไม่เกี่ยวข้องเรียกว่าการทำให้เป็นมาตรฐาน (normalization ) ซึ่งพยายามใช้การดำเนินการต่าง ๆ และแปลงภาพอินพุตเพื่อให้ได้ภาพ "canonical" หรือ "preprocessed" ซึ่งสามารถนำไปใช้เพื่อระบุตัวตนได้
วิธีที่สองคือการดึงคุณสมบัติจากภาพที่มีความแปรปรวนสูงจากปัจจัยที่ไม่เกี่ยวข้อง
คุณภาพของภาพใบหน้านั้นขึ้นอยู่กับอุปกรณ์จับภาพและสภาพแวดล้อมที่ถ่ายภาพนั้น เมื่อถ่ายภาพใบหน้าโดยไม่ได้รับความร่วมมือจากตัวแบบ (เช่นจากกล้องรักษาความปลอดภัย) คุณภาพของภาพที่ไม่ดีเป็นผลที่หลีกเลี่ยงไม่ได้และต้องได้รับการแก้ไขโดยซอฟต์แวร์เพื่อไม่ให้เกิดการขัดขวาง
ในการจับภาพสหกรณ์การวัดคุณภาพของภาพด้วยคอมพิวเตอร์นั้นดี: ผู้ปฏิบัติงานสามารถได้รับแจ้งถึงปัญหาคุณภาพและสามารถนำภาพกลับมาใช้ใหม่ได้
การเบลออาจเป็นตัวอย่างของการดัดแปลงทางชีวภาพที่เป็นอันตรายเพื่อหลบเลี่ยงการตรวจจับ (รวมทั้งการบดเคี้ยวและการปลอมตัว) หากภาพนั้นถูกเข้ารหัสแบบดิจิทัลการตรวจสอบแบบดิจิทัลและลายเซ็นเข้ารหัสนั้นเพียงพอที่จะแก้ปัญหาได้อย่างสมบูรณ์ หากมีการส่งภาพเบลอในรูปแบบพิมพ์โดยผู้เลียนแบบคุณสามารถใช้การวัดคุณภาพของภาพใบหน้าด้วยคอมพิวเตอร์เพื่อปฏิเสธการส่งดังกล่าว
การไม่มีคุณสมบัติการแปล 2Dหรือจุดสนใจในบางส่วนของภาพใบหน้าอาจเป็นสัญญาณของการทำให้เบลอโดยเจตนา
อย่างไรก็ตามหมวดภาพดิจิตอลที่มีการดัดแปลงกว้าง (โดยผู้ใช้ที่มีความเชี่ยวชาญด้านซอฟต์แวร์แก้ไขภาพ) สามารถจัดการกับนิติวิทยาศาสตร์ภาพดิจิตอลซึ่งเปรียบเทียบสถิติพิกเซลกับกล้องรุ่นที่รู้จักกันเท่านั้น