常用图像评价指标以及代码：PSNR、SSIM、 LPIPS

糖炒栗子要加糖

于 2024-09-07 18:10:20 发布

阅读量1.3k

点赞数 22

文章标签：计算机视觉视觉检测图像处理

本文链接：https://blog.csdn.net/2301_81845359/article/details/141952384

版权

1.峰值信噪比PSNR（Peak Signal-to-Noise Ratio）

2. 结构相似性指数SSIM（Structural Similarity Index）

3. 学习感知图像块相似性LPIPS（Learned Perceptual Image Patch Similarity）

1.峰值信噪比PSNR（Peak Signal-to-Noise Ratio）

峰值信噪比是一种常用的图像质量评估指标，它基于MSE（均方误差）来衡量图像的重建质量。PSNR越高，表示图像质量越好。

$\text{MSE} = \frac{1}{mn} \sum_{i=1}^{m} \sum_{j=1}^{n} [I(i, j) - K(i, j)]^2$

$\text{PSNR} = 10 \cdot \log_{10} \left( \frac{\text{MAX}^2}{\text{MSE}} \right)$

其中，MAX是图像可能的最大像素值，MSE是原始图像与重建图像之间的均方误差。

$m$ 和 $n$ 分别是图像的行数和列数。
$I(i,j)$ 是原始图像在位置 $(i,j)$ 的像素值。
$K(i,j)$ 是比较图像在位置 $(i,j)$ 的像素值。

分子： $\text{MAX}^2$ 是图像可能的最大像素值的平方。这是在没有噪声的理想情况下，图像可以达到的最大值。
分母： $\text{MSE}$ 是实际图像与参考图像之间差异的度量。MSE越小，表示两幅图像越相似。
对数部分：使用对数转换是为了将误差的量级压缩，使得PSNR值更易于理解和比较。

1）特点

PSNR是基于像素值的全局评估，不考虑图像的结构信息。
通常，PSNR值在30dB以上表示较好的图像质量，40dB以上则很难用肉眼区分差异。

PSNR接近50dB：表示压缩后的图像质量非常高，仅有非常小的误差。在这种情况下，原始图像和压缩后的图像之间的差异几乎不可察觉。

PSNR大于30dB：通常认为，人眼很难察觉到这种压缩水平下图像的失真。这意味着压缩后的图像在视觉上与原始图像非常接近。

PSNR介于20dB到30dB之间：在这个范围内，人眼可以开始察觉到图像的一些差异，但这些差异通常不会太显著。

PSNR介于10dB到20dB之间：在这个范围内，人眼可以较为明显地看出图像的差异，但仍然可以辨识出图像的基本结构。尽管存在失真，但人们可能仍然会认为两张图像是相似的。

PSNR低于10dB：当PSNR值非常低时，图像的质量会显著下降，以至于人眼很难判断两个图像是否为同一场景的图像，或者一个图像是否为另一个图像的有效压缩版本。

2）代码实现

使用Python和kornia库来计算图像的峰值信噪比（PSNR），kornia是一个开源的库，它提供了一系列用于计算机视觉的神经网络工具，包括图像质量评估指标的计算。

import torch
import kornia.losses

# 假设 images 和 encoded_images 是已经加载或处理的图像张量
# images = ...
# encoded_images = ...

# 计算 PSNR
psnr_value = - kornia.losses.psnr_loss(encoded_images.detach(), images, 2)
print(f"PSNR: {psnr_value.item()}")

kornia.losses.psnr_loss 计算预测图像（encoded_images）和目标图像（images）之间的PSNR。
encoded_images.detach() 表示在计算PSNR时不计算梯度，这通常在验证或测试阶段使用，以避免不必要的计算。
2 是PSNR公式中的最大像素值，对于8位图像通常是255，这里使用了归一化的值（255/255 = 1，所以使用2作为分母）。

2. 结构相似性指数SSIM（Structural Similarity Index）

结构相似性指数是一种更为先进的图像质量评估指标，它不仅考虑像素值的差异，还考虑图像的结构信息。

$\text{SSIM}(x, y) = \frac{(2\mu_x \mu_y + C_1)(2\sigma_{xy} + C_2)}{(\mu_x^2 + \mu_y^2 + C_1)(\sigma_x^2 + \sigma_y^2 + C_2)}$

其中， $\mu_x$ 和 $\mu_y$ 分别是图像 $x$ 和 $y$ 的均值， $\sigma_x^2$ 和 $\sigma_y^2$ 是方差， $\sigma_{xy}$ 是协方差， $C_1$ 和 $C_2$ 是用于稳定除法运算的小常数： $C_1=(k_1L)^2;C_2=(k_2L)^2$ 、 $L$ 是像素值的动态范围，默认值： $k_1=0.01, k_2=0.03$

1）特点

SSIM在0到1之间，值越接近1表示图像质量越好。
SSIM考虑了图像的亮度、对比度和结构信息，因此比PSNR更符合人眼视觉特性。

2）代码实现

import torch
import kornia.losses

# 假设 images 和 encoded_images 是已经加载或处理的图像张量
# images = ...
# encoded_images = ...


# 计算 SSIM
ssim_value = 1 - 2 * kornia.losses.ssim_loss(encoded_images.detach(), images, window_size=11, reduction="mean")
print(f"SSIM: {ssim_value.item()}")

kornia.losses.ssim_loss 计算预测图像和目标图像之间的SSIM。
encoded_images.detach() 同样表示在计算SSIM时不计算梯度。
window_size=11 定义了用于计算SSIM的窗口大小。
reduction="mean" 表示损失将在所有元素上平均。
1 - 2 * ... 是因为kornia的ssim_loss返回的是1减去SSIM的值，所以这里通过乘以2并减去1来得到正的SSIM值。

3. 学习感知图像块相似性LPIPS（Learned Perceptual Image Patch Similarity）

学习感知图像块相似性是一种基于深度学习的图像质量评估方法，它使用预训练的卷积神经网络来学习图像特征的感知差异。

1）原理

LPIPS通过训练一个深度网络来学习图像块之间的感知差异。
它通常使用预训练的CNN（如VGG或AlexNet）作为特征提取器，然后训练一个额外的层来预测图像对的相似性。

2）特点

LPIPS的取值范围是[0, 1]，值越小表示图像质量越好。
由于LPIPS基于深度学习，它可以捕捉到更复杂的图像特征和感知差异，因此在许多情况下比PSNR和SSIM更准确。

3）代码实现

import lpips
import torch
from PIL import Image
from torchvision import transforms

# 加载图像并转换为张量
image1 = Image.open("path_to_image1.jpg").convert('RGB')
image2 = Image.open("path_to_image2.jpg").convert('RGB')

# 定义图像预处理步骤
preprocess = transforms.Compose([
    transforms.Resize((256, 256)),
    transforms.ToTensor(),
    transforms.Normalize(mean=[0.5, 0.5, 0.5], std=[0.5, 0.5, 0.5])
])

image1_tensor = preprocess(image1).unsqueeze(0)  # 添加批次维度
image2_tensor = preprocess(image2).unsqueeze(0)

# 确保图像张量在正确的设备上
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
image1_tensor = image1_tensor.to(device)
image2_tensor = image2_tensor.to(device)

# 初始化LPIPS模型
lpips_model = lpips.LPIPS(net='vgg').to(device)

# 计算LPIPS
lpips_value = lpips_model(image1_tensor, image2_tensor).item()

print(f"LPIPS: {lpips_value}")

总结