PSNR SSIM BD-rate BD-PSNR

1.PSNR

PSNR:peak signal to noise ratio 峰值信噪比。两幅图像间的psnr越大,则越相似,普遍基准为30dB,低于30dB图像劣化比较明显。

PSNR=10log10(MAX2MSE) P S N R = 10 l o g 10 ( M A X 2 M S E )

MAX:图像颜色的最大值,8bit为255;
MSE:均方差;

MSE=1mnni=1mj=1||K(i,j)I(i,j)||2 M S E = 1 m n ∑ i = 1 n ∑ j = 1 m | | K ( i , j ) − I ( i , j ) | | 2

PSNR是最普遍和使用最为广泛的一种图像客观评价指标,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。

2.SSIM

SSIM:structural similarity index 结构相似性。SSIM算法在设计上考虑了人眼的视觉特性,比传统方式更符合人眼视觉感知。SSIM可以基于不同的窗口做计算,假设窗口x,y的大小是R*C:

其中 μ μ 是图像的均值:

μx=1R×Ci=1Rj=1CX(i,j) μ x = 1 R × C ∑ i = 1 R ∑ j = 1 C X ( i , j )

μy=1R×Ci=1Rj=1CY(i,j) μ y = 1 R × C ∑ i = 1 R ∑ j = 1 C Y ( i , j )

σ σ 是图像的方差:

σ2x=1R×C1i=1Rj=1C(X(i,j)μX)2 σ x 2 = 1 R × C − 1 ∑ i = 1 R ∑ j = 1 C ( X ( i , j ) − μ X ) 2

σ2x=1R×C1i=1Rj=1C(Y(i,j)μY)2 σ x 2 = 1 R × C − 1 ∑ i = 1 R ∑ j = 1 C ( Y ( i , j ) − μ Y ) 2

σX=σ2X,σY=σ2Y σ X = σ X 2 , σ Y = σ Y 2

SSIM计算的结果为一个小数且在-1到1之间,若结果为1,说明对比的两幅图像数据上是一致的。通常我们取窗口window的大小为8x8,window可以在图像上移动,且在选择窗口大小的时候,作者建议是选择子群,即不要太大,这样会减少计算的复杂度。
计算图像的协方差:
σXY=1R×C1i=1Rj=1C(X(i,j)μX)(Y(i,j)μY) σ X Y = 1 R × C − 1 ∑ i = 1 R ∑ j = 1 C ( X ( i , j ) − μ X ) ( Y ( i , j ) − μ Y )

计算中间方程:
L(X,Y)=2μXμY+C1μ2X+μ2Y+C1 L ( X , Y ) = 2 μ X μ Y + C 1 μ X 2 + μ Y 2 + C 1

C(X,Y)=2σXσY+C2σ2X+σ2Y+C2 C ( X , Y ) = 2 σ X σ Y + C 2 σ X 2 + σ Y 2 + C 2

S(X,Y)=μXY+C3μXμY+C3 S ( X , Y ) = μ X Y + C 3 μ X μ Y + C 3

其中 L(X,Y) L ( X , Y ) 是亮度对比因子, C(X,Y) C ( X , Y ) 是对比度因子, S(X,Y) S ( X , Y ) 是结构对比因子。

计算SSIM:

SSIM(X,Y)=L(X,Y)×C(X,Y)×S(X,Y) S S I M ( X , Y ) = L ( X , Y ) × C ( X , Y ) × S ( X , Y )

当设定 C3=C22 C 3 = C 2 2 公式可以简写成如下形式:
SSIM(x,y)=(2μxμy+c1)(2σxy+c2)(μ2x+μ2y+c1)(σ2x+σ2y+c2) S S I M ( x , y ) = ( 2 μ x μ y + c 1 ) ( 2 σ x y + c 2 ) ( μ x 2 + μ y 2 + c 1 ) ( σ x 2 + σ y 2 + c 2 )

所以结构相似性从图像组成的角度将结构信息定义为独立于亮度、对比度的反映场景中物体结构的属性,并将失真建模为亮度、对比度和结构3个不同因素的组合。用均值作为亮度的估计,标准差作为对比度的估计,协方差作为结构相似程度的度量。

而在实际应用中,一般采用高斯函数计算图像的均值、方差以及协方差,而不是采用遍历像素点的方式,以换来更高的效率。

3.BD-rate/BD-BitRate/BDBR/BD-PSNR

BD-rate为负值时,表示相同PSNR条件下,码率减少,性能提高;正值是码率增加,性能下降。
一般来说,码率降低,PSNR越大,越能够说明新方法具有较好的性能。
然而会出现这样一种情况,即码率相对于原来的方法有所降低,但是PSNR即视频的质量却降低了,在这种情况下想要衡量方法的好坏,就需要利用BDBR和BD-PSNR,它提供的是利用新方法得到的视频相对于原来的方法在码率和PSNR上变化的情况。
BD-rate计算的是两种算法对应的两条RD曲线的差值的均值,具体需要通过对测试的几个(一般是4个)点进行曲线拟合,再做差值,然后取平均。

这里写图片描述

横坐标为rate,纵坐标为psnr。
BDBR表示了在同样的客观质量下,两种方法的码率节省情况(Rate/distortion curves画一条水平线);BD-PSNR表示了在给定的同等码率下,两种方法的PSNR-Y的差异(Rate/distortion curves画一条垂直线)。

BD-PSNR是指某个码率,PSNR差多少,不是平均值;BD-rate是平均值。
参考链接:
BDBR vs BDPSNR 计算方法
VCEG-M33
HEVC的工具在JCTVC-A031

转自:https://blog.csdn.net/u012868357/article/details/79360240

  • 4
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
PSNR (Peak Signal-to-Noise Ratio)、SSIM (Structural Similarity Index)和MOS (Mean Opinion Score) 都是用于衡量图像和视频质量的指标。在线平台是指通过互联网提供这些指标计算和评估的工具。 PSNR是一种用于度量图像和视频重建质量的指标,它通过比较原始信号与重建信号之间的峰值信噪比来评估质量。较高的PSNR值表示重建信号与原始信号之间的失真较小,因此质量较好。 SSIM是一种更加精确地评估图像和视频质量的指标,它除了考虑信号的峰值信噪比外,还考虑了信号的结构相似性。SSIM通过比较亮度、对比度和结构这三个方面的相似度来计算一个质量评分。较高的SSIM值表示重建信号与原始信号之间的相似度较高,质量较好。 MOS是通过主观评测方法得出的一种评分方式,一般通过人工或者群体实验来获得。MOS是一种直观、全面的图像和视频质量评估指标,它可以综合考虑视觉感知上的因素,并且与真实感知一致性较高。MOS值一般在1到5之间,较高的MOS值表示较好的图像和视频质量。 在线平台提供PSNRSSIM和MOS的计算和评估工具,用户可以上传原始信号和重建信号,通过算法自动计算出相应的PSNRSSIM值,并且根据需要可以进行主观评测得出相应的MOS值。这些在线平台可以方便用户快速得到图像和视频质量的评估结果,对于图像和视频处理、压缩算法的优化以及视觉质量的研究具有重要的作用。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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