SSIM和PSNR

SSIM

Structural Similarity（SSIM）结构相似性

Matlab版定义

MatLab版见官方介绍。
基于三个项的计算，即亮度项、对比度项和结构项。
$$\mathrm{SSIM}(x,y)=[l(x,y){]}^{\alpha }\cdot [c(x,y){]}^{\beta }\cdot [s(x,y){]}^{\gamma }$$
$$\begin{array}{rl}l(x,y)& =\frac{2{\mu }_x{\mu }_y+C_1}{{\mu }_x^2+{\mu }_y^2+C_1}\\ c(x,y)& =\frac{2{\sigma }_x{\sigma }_y+C_2}{{\sigma }_x^2+{\sigma }_y^2+C_2}\\ s(x,y)& =\frac{{\sigma }_{xy}+C_3}{{\sigma }_x{\sigma }_y+C_3}\end{array}$$

其中$\mu$和$\sigma$表示均值和方差。

如果 α = β = γ = 1（Exponents 的默认值），且 C3 = C2/2（C 3 的默认选择），则索引简化为：

$$\mathrm{SSIM}(x,y)=\frac{\left(2{\mu }_x{\mu }_y+C_1\right)\left(2{\sigma }_{xy}+C_2\right)}{\left({\mu }_x^2+{\mu }_y^2+C_1\right)\left({\sigma }_x^2+{\sigma }_y^2+C_2\right)}$$

性质：

1. Symmetry: $S(\mathbf{x},\mathbf{y})=S(\mathbf{y},\mathbf{x})$;
2. Boundedness: $S(\mathbf{x},\mathbf{y})\le 1$;
3. Unique maximum: $S(\mathbf{x},\mathbf{y})=1$ if and only if $\mathbf{x}=\mathbf{y}$ (in discrete representations, $x_i=y_i$ for all $i=1,2,\cdots ,N$ );

使用方式

ssimval = ssim(A,ref)

Python版实现

官方解释 ：MSE不能很好的考虑到纹理，因此引入SSIM。

使用方式

from skimage.metrics import structural_similarity as ssim
import matplotlib.pyplot as plt
# 针对多通道图像，默认最后一维度为通道，每个通道进行单独计算，然后平均
a = plt.imread('a.jpg')
b = plt.imread('b.jpg')
result = ssim(a,b,multichannel=True) 

采用公式为
$$\mathrm{SSIM}(x,y)=\frac{\left(2{\mu }_x{\mu }_y+C_1\right)\left(2{\sigma }_{xy}+C_2\right)}{\left({\mu }_x^2+{\mu }_y^2+C_1\right)\left({\sigma }_x^2+{\sigma }_y^2+C_2\right)}$$
其中，
$C_1={\left(K_{1}L\right)}^2$，$C_2={\left(K_{2}L\right)}^2$，$K_1=0.01$, $K_1=0.03$。 $L$是动态范围：若像素值为[0,255]，则$L=255$。

PSNR

峰值信噪比Peak signal-to-noise ratio，单位是dB

$$MSE=\frac{1}{mn}\sum _{i=0}^{m-1}\sum _{j=0}^{n-1}[I(i,j)-K(i,j){]}^2$$
$$PSNR=10{\log }_{10}\left(\frac{{\left(2^n-1\right)}^2}{MSE}\right)$$

其中，n表示图像位数，比如n=8。

多通道图像如RGB图像，在计算MSE时就进行了进行了平均，最终MSE是标量。

Python的使用方式

from skimage.metrics import peak_signal_noise_ratio as psnr
a = plt.imread('a.jpg')
b = plt.imread('b.jpg')
psnr_ = psnr(a,b)

注意：数据类型不同会导致psnr值不同。

参考文献

1. Image quality assessment: From error visibility to structural similarity. IEEE Transactions on Image Processing, https://ece.uwaterloo.ca/~z70wang/publications/ssim.pdf
2. https://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio

遗留问题

SSIM是怎么考虑纹理等信息的