常用图像评价指标以及代码 ：PSNR、SSIM、 LPIPS

最新推荐文章于 2025-03-28 20:00:00 发布
最新推荐文章于 2025-03-28 20:00:00 发布
阅读量5.5k 收藏 53
点赞数 29
文章标签： 计算机视觉 视觉检测 图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_81845359/article/details/141952384
版权

目录

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：

最低0.47元/天 解锁文章
3DGS中图像质量评估三板斧——PSNR/SSIM/LPIPS
qq_55170097的博客
12-03 2543
PSNR、SSIM和LPIPS都是衡量图像质量的重要工具，它们从不同的角度评估图像的相似度和质量。在实际应用中，根据需要评估的图像特性和应用场景，可以选择适当的指标或将它们结合起来使用。
三维重建渲染指标介绍（PSNR SSIM LPIPS）
Aaron9489的博客
12-13 429
衡量两张图片之间的相似程度，图片在MSE相同的时候可能会发生图片质量仍然相差很大的情况。PSNR这个指标太单一了，因此SSIM从多个指标进行，包括亮度，对比度和结构相似度三个维度。1、PSNR峰值信噪比（衡量带噪声图片和原始图像之间的差异，用于比较噪声）C1防止像素值为0导致分母为0，这部分取值为0-1，当x和y相同的时候为1。用深度特征与两张图片之间的相似度，使用深度神经网络得出的结果更符合人的感知。图像相似度越低，深度特征之间差异越大，LPIPS越小越好。取值范围为-1，1，指数为都为1。
图像质量评价指标： PSNR 和 SSIM 和 LPIPS
热门推荐
Drug discovery
07-05 4万+
1. PSNR (Peak Signal-to-Noise Ratio) 峰值信噪比 PSNR越高，图像和原图越接近。这是客观指标， PSNR（峰值信噪比）：用得最多，但是其值不能很好地反映人眼主观感受。一般取值范围：20-40.值越大，视频质量越好 # im1 和 im2 都为灰度图像，uint8 类型 # method 1 diff = im1 - im2 mse = np.mean(np.square(diff)) psnr = 10 * np.log10(255 * 255 / mse)
了解图像质量评价指标PSNR
最新发布
懒人的技术笔记
03-28 2534
峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）是数字图像处理领域最经典的客观质量评价指标之一。其核心思想是通过计算原始图像与失真图像之间的均方误差（MSE）来衡量失真程度，再通过信号最大功率与噪声功率的比值进行量化评估。对于大小为m×nm \times nm×n的灰度图像III和KKK均方误差（MSE）MSE1mn∑i0m−1∑j0n−1Iij−Kij2MSEmn1​i0∑m−1​。
图像相似度衡量指标（PSNR、SSIM、LPIPS）
fpq199182的博客
03-12 4018
是一种用于衡量图像质量的指标。它是衡量信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值。是通过计算原始图像和失真图像之间的均方误差（）来衡量的，然后将其转换为一个对数尺度。），值越大表示图像质量越好。
图像生成中图像质量评估指标—PSNR的详细介绍
u013889591的专栏
07-25 4703
峰值信噪比（Peak Signal-to-Noise Ratio，简称PSNR）是一种广泛应用于图像和视频处理领域的客观图像质量评价指标。它主要用于衡量图像的噪声水平和图像质量，可以用来评估图像处理算法的性能。PSNR是基于均方误差（Mean Squared Error，简称MSE）定义的，用于评估原始图像与失真图像之间的质量差异。
PSNR以及SSIM
OPPOA113的专栏
03-31 6012
PSNR（Peak Signal to Noise Ratio）峰值信噪比，一种全参考的图像质量评价指标。 其中，MSE表示当前图像X和参考图像Y的均方误差（Mean Square Error），H、W分别为图像的高度和宽度；n为每像素的比特数，一般取8，即像素灰阶数为256. PSNR的单位是dB，数值越大表示失真越小。图像压缩中典型的信噪比在20～40dB之间，越高越好。 PSNR是最
图像质量评价指标metrics：PSNR 、SSIM、LPIPS
m0_67357141的博客
11-29 1万+
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。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。
图像评价常用指标（PSNR、SSIM、LPIPS 、IS、FID、Precision、Recall）
Drug discovery
10-24 8559
图像评价常用指标（PSNR、SSIM、FID、Recall）
图像评价指标 + matlab代码
05-03
包含有一些对图像评价的方法指标： 均值、标准差、信息熵、色彩分量相关性、色彩分量百分比、水下彩色图像质量评价(UCIQE)
【菜狗学三维重建】图像质量评价指标（PSNR、SSIM、LPIPS、SILog、MSE、RMSE、MAE）——20250221
weixin_53796634的博客
02-21 2245
计算机视觉常用的一些指标，例如PSNR、SSIM、MSE等
图像处理评价指标
05-20
图像处理结果所需评价指标，matlab源代码，包括图像的熵，互信息，离散度，空间散度，自相关系数，梯度等等评价指标，评价指标完善。
图像质量评价指标.rar
04-14
图像质量评价指标——PSNR 和 SSIM： PSNR (Peak Signal-to-Noise Ratio) 峰值信噪比，越大越好； SSIM (Structural SIMilarity) 结构相似性，值越大，结构越相似，图像增强结果自然度更佳。
常用图像质量评价指标FID SIFID CleanFID LPIPS和Scoot PSNR SSIM FSIM MAE.zip
01-06
在众多评价指标中，FID、SIFID、CleanFID、LPIPS、Scoot、PSNR、SSIM、FSIM和MAE是最常用的几种。这些指标各有其特点和应用场景，它们可以帮助研究者和工程师更好地理解和改善图像处理算法的效果。 首先，FID（Fré...
代码：图像生成任务的平均ssim,psnr,lpips的计算
yscript的博客
05-31 479
图像生成任务的平均ssim,psnr,lpips的计算
【图像评价】图像清晰度评价指标附Matlab代码
m0_60703264的博客
05-13 1860
图像清晰度是衡量图像质量的重要指标之一，它反映了图像细节的丰富程度和视觉上的清晰度。清晰度评价指标主要用于评估图像的客观质量，为图像处理、压缩、传输等应用提供参考依据。图像清晰度评价指标主要分为两类：主观评价指标和客观评价指标。主观评价指标是通过人工观察图像来进行评价，其结果受观察者的主观因素影响较大，难以量化。客观评价指标是基于图像本身的特征来进行评价，其结果不受主观因素影响，可进行量化分析。
图像质量评价，图片放大和缩小
Gone_HuiLin的博客
11-18 1300
#include #include #include #include using namespace cv; using namespace std; // PSNR 峰值信噪比计算 返回数值为30-50dB 值越大越好 double PSNR(const Mat& I1, const Mat& I2) {     cv::Mat s1;     // 计算图像差|I
图像质量评估——PSNR：峰值信噪比和SSIM：结构相似性（纯手撸代码）
qq_40280673的博客
11-08 6011
PSNR（峰值信噪比）和SSIM（结构相似性）是两种广泛用于图像质量评估的测量工具
PSNR、SSIM等图像质量评估指标详解
m0_66890670的博客
12-19 1万+
本文详细介绍了PSNR、SSIM、MSE、MAE、UQI、FSIM、GMSD、LPIPS、DISTS、IFC等图像质量评估指标详解
LPIPS 是什么评价指标
11-21
LPIPS是一种基于学习的感知相似度度量，它比传统方法（如L2/PSNR、SSIM、FSIM）更符合人类的感知情况。它是通过深度学习模型来计算两个图像之间的相似度，可以用于图像质量评估、图像检索等领域。 以下是使用lpips包计算两张图片之间的LPIPS距离的Python代码示例： ```python import lpips import torch from PIL import Image # 加载两张图片 img1 = Image.open('image1.jpg') img2 = Image.open('image2.jpg') # 将图片转换为tensor img1_tensor = torch.tensor(np.array(img1).transpose((2, 0, 1))).unsqueeze(0).float() / 255.0 img2_tensor = torch.tensor(np.array(img2).transpose((2, 0, 1))).unsqueeze(0).float() / 255.0 # 初始化LPIPS模型 loss_fn_alex = lpips.LPIPS(net='alex') # 计算LPIPS距离 distance = loss_fn_alex(img1_tensor, img2_tensor).item() print('The LPIPS distance between the two images is:', distance) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值