图像质量评价指标的指标有哪些（图像质量评价指标metrics：PSNR 、SSIM、LPIPS）

一   
    
    
 、PSNR（峰值信噪比）

1.定义

是基于对应像素点间的误差   
    
    
 ，即基于误差敏感的图像质量评价


     


     


     ，由于并未考虑到人眼的视觉特性（人眼对空间频率较低的对比差异敏感度较高 




 




 




，人眼对亮度对比差异的敏感度较色度高   

   

   

，人眼对一个 区域的感知结果会受到其周围邻近区域的影响等）

     

     

     ，因而经常出现评价结果与人的主观感觉不一致的情况   
    
    
 。必须满足两张图像的size要完全一样


     


     


     。

2.公式

计算时必须满足两张图像的size要完全一样！

对于单色图像来说
  




  




  



，给定一个大小为m×n的干净图像I和噪声图像K  


  


  


，均方误差(MSE)定义为：

然后PSNR(dB)就定义为：

其中MAXI是表示图像点颜色的最大数值 
     
     
    ，如果每个采样点用 8 位表示

   




   




   


，那么就是 255 



 



 



，如果每个采样点用 n 位二进制表示               ，则MAXI=2^n-1 




 




 




。

3.结果

因此MSE越小


    




    




    

，PSNR越大














，代表图像质量越好   

   

   

。

PSNR高于40dB说明图像质量极好（即非常接近原始图像）

在30—40dB通常表示图像质量是好的（即失真可以察觉但可以接受）

在20—30dB说明图像质量差

PSNR低于20dB图像不可接受

二


     


     


     、SSIM（结构相似性）

1.定义

可以衡量图片的失真程度               ，也可以衡量两张图片的相似程度

     

     

     。与MSE和PSNR衡量绝对误差不同


     



     



     
，SSIM是感知模型














，即更符合人眼的直观感受
  




  




  



。

2.公式 

SSIM 主要考量图片的三个关键特征：

亮度（Luminance）：亮度以平均灰度衡量   
    
    
 ，通过平均所有像素的值得到

对比度（Contrast）：对比度通过灰度标准差来衡量  


  


  


。标准差无偏估计：

结构 (Structure)：

α β γ 分别代表了不同特征在SSIM衡量中的占比


     


     


     ，在实际计算中一般设定α = β = γ = 1 




 




 




，以及c 3 = c 2 / 2    

   

   

，因此公式可以化简为：

每次计算的时候都从图片上取一个N×N的窗口

     

     

     ，然后不断滑动窗口进行计算
  




  




  



，最后取平均值作为全局的 SSIM 
     
     
    。

3.结果

SSIM具有对称性  


  


  


，即SSIM(x,y)=SSIM(y,x) SSIM是一个0到1之间的数 
     
     
    ，越大表示输出图像和无失真图像的差距越小

   




   




   


，即图像质量越好

   




   




   


。当两幅图像一模一样时 



 



 



，SSIM=1；

三 




 




 




、LPIPS（感知损失）

1.定义

基于学习的感知相似度度量LPIPS 比传统方法（比如L2/PSNR, SSIM, FSIM）更符合人类的感知情况 



 



 



。来源于论文《The Unreasonable Effectiveness of Deep Features as a Perceptual Metric》

2.公式

(14条消息) LPIPS图像相似性度量标准：The Unreasonable Effectiveness of Deep Features as a Perceptual Metric_Alocus_的博客-CSDN博客_lpips

3.结果

LPIPS的值越低表示两张图像越相似               ，反之


    




    




    

，则差异越大