图像质量评估指标 SSIM / PSNR / MSE
来自： 更新日期：早些时候
~
评估图像质量的一种直观方法是通过比较处理后图像与原始无失真图像之间的可见误差。PSNR（峰值信噪比）和MSE（均方误差）就是基于这种思想设计的指标。MSE衡量的是噪声能量，而PSNR则是信号能量与噪声能量的比值，以分贝为单位。在计算时，PSNR会考虑到图像的量化位数，如8位灰度图像的最大值为255。
然而，单纯基于差分的评估方式并未完全符合人类视觉系统的感知。为了更接近人眼的主观评价，出现了Structural Similarity（SSIM）这样的质量评估方法。SSIM适用于全参考、无参考和部分参考三种情况，其中全参考是知道无失真图像的情况。SSIM考虑了图像的结构相似性，而非仅仅是像素级别的误差，因此在评估像对比度拉伸和亮度偏移这样的变化时，更能体现图像内容的可理解性。
SSIM的计算涉及三个方面的特征：亮度、对比度和结构。算法首先计算亮度相似度，然后减去亮度影响，计算对比度相似度，最后用结构相关系数衡量。这些特征通过特定的权重相加，形成最终的评价结果。为了适应图像局部变化和人类视觉的局部特性，通常采用mean-SSIM或MSSIM进行平均，以减少block效应。
作者还通过实验验证了SSIM的有效性，通过保持MSE不变，调整SSIM参数，找到了在相同PSNR下SSIM的最佳和最差情况。此外，与主观意见分数（MOS）的关联研究表明，MSSIM在一致性上表现更优。
图像质量评估指标 SSIM / PSNR / MSE视频
相关评论：
然而，单纯基于差分的评估方式并未完全符合人类视觉系统的感知。为了更接近人眼的主观评价，出现了Structural Similarity（SSIM）这样的质量评估方法。SSIM适用于全参考、无参考和部分参考三种情况，其中全参考是知道无失真图像的情况。SSIM考虑了图像的结构相似性，而非仅仅是像素级别的误差，因此在评估像对比度拉伸和亮度偏移这样的变化时，更能体现图像内容的可理解性。
SSIM的计算涉及三个方面的特征：亮度、对比度和结构。算法首先计算亮度相似度，然后减去亮度影响，计算对比度相似度，最后用结构相关系数衡量。这些特征通过特定的权重相加，形成最终的评价结果。为了适应图像局部变化和人类视觉的局部特性，通常采用mean-SSIM或MSSIM进行平均，以减少block效应。
作者还通过实验验证了SSIM的有效性，通过保持MSE不变，调整SSIM参数，找到了在相同PSNR下SSIM的最佳和最差情况。此外，与主观意见分数（MOS）的关联研究表明，MSSIM在一致性上表现更优。
图像质量评估指标 SSIM / PSNR / MSE视频
相关评论：
