三大主流图像视频评价方法简介PSNR SSIM VMAF

已于 2023-11-23 11:27:53 修改
阅读量1w 收藏 40
点赞数 2
分类专栏： 视频编码标准 文章标签： 音视频 python 计算机视觉
于 2019-02-02 10:41:09 首次发布
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/maryhaocoolcool/article/details/86747893
版权
本文介绍了三种主流的图像视频评价方法：PSNR，SSIM和VMAF。PSNR是基于MSE和峰值信噪比的客观评价；SSIM考虑了像素间的结构相似性，更贴近主观感受；VMAF是Netflix提出的，通过机器学习模型模拟人眼感知，结合视觉信息保真度、细节丢失指标和运动量进行评估。
摘要由CSDN通过智能技术生成

1.PSNR

一种纯客观的评价方式，用途比较广泛，取值范围一般是20-40.包括两个方面的影响因素：MSE和峰值信噪比，PSNR和质量成正比。

                                                  MSE=\frac{1}{MN}\sum_{x=0}^{m}\sum _{y=0}^{n}\left \| I(x,y)-J(x,y) \right \|

                                                  PSNR=10log_{10}(\frac{MAX^{^2}}{MSE})

这里的max一般是图像的灰度级255。

2.SSIM

一种偏主观的客观评价方式，计算比较复杂，和PSNR相比可以较好地反映人眼的

了解本专栏 订阅专栏 解锁全文 超级会员免费看
maryhaocool2023
关注
专栏目录
订阅专栏
ffmpeg.exe 输出两种统计方式的PSNR
11-26
ffmpeg输出两种统计方式的PSNR结果:1、计算每一帧的MSE（均分差），然后计算整个序列的平均MSE，最后计算psnr。 2、计算每一帧的psnr，最终对整个序列求平均psnr。 计算两个视频文件之间的psnr，命令格式如下: ffmpeg -i reference.ts -i encode.ts -lavfi psnr -f null - 。计算YUV的PSNR，命令格式如下：ffmpeg  -pix_fmt  yuv420p  -s 1920x1080  -i input.yuv  -pix_fmt yuv420p  -s 1920x1080  -i output.yuv  -lavfi psnr  -f null  -
评价视频/图片质量的3个工具：PSNR，SSIM，VMAF和（MOS）
qq_38183694的博客
11-01 6018
PSNR(Peak Signal Noise Rate),峰值信噪比 peak的中文意思是顶点。而ratio的意思是比率或比列的。整个意思就是到达噪音比率的顶点信号，psnr一般是用于最大值信号和背景噪音之间的一个工程项目。通常在经过影像压缩之后，输出的影像都会在某种程度与原始影像不同。为了衡量经过处理后的影像品质，我们通常会参考PSNR值来衡量某个处理程序能否令人满意。它的单位是dB。 公式自行百度。 优缺点：PSNR是最普遍，最广泛使用的评鉴画质的客观量测法，不过许多实验结果都显示，PSNR的分数无法和
峰值信噪比（PSNR）与结构相似性（SSIM）的测定
weixin_53804425的博客
07-13 1347
峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）与结构相似性（Structural Similarity, SSIM）是超分辨率（Super Resolution, SR）领域最常用的评价图像重建质量的两个指标。在计算时，涉及到不同的颜色空间，而图像不同颜色空间的转换涉及到伽马校正，本文主要为了理清它们之间的关系。
视频算法分析介绍PSNR、NIQE、VMAF、MS-SSIM, SSIM and DMOS、JND
视频质量测试mazhitong1227的博客
10-23 9871
需要对人的感知视频和音频质量进行分析。有两种方法可以做到： 1.对有问题/困难的流进行深入分析，判断感知到的视频或音频质量 2.进行长时间测试，在数小时、数天甚至数周的测试运行中搜索质量下降/恶化的原因。 视频质量分析是一个主观的概念。最精确的质量测量方法是收集人类观察者并要求他们对质量进行判断。这是一个很有意义的和潜在的不一致的方法，因为需要对人类观察者进行判断，以确保他们的视力...
推荐使用VMAF：打造卓越的视频质量评估体验
gitblog_00070的博客
05-11 585
推荐使用VMAF：打造卓越的视频质量评估体验 项目地址:https://gitcode.com/Netflix/vmaf 项目简介 VMAF（Video Multi-Method Assessment Fusion）是由Netflix开发的一款屡获殊荣的视频质量评估算法。这款开源软件包包括一个独立的C库libvmaf和其Python库封装版。它的Python库还提供了一套工具，允许用户自定义训练和...
StreamClarity:远程测量视频质量（SSIM，PSNR和VMAF）
05-07
流清晰度 远程测量视频质量（SSIM，PSNR和VMAF）。 在投入生产。 您的视频清晰吗？ 就像您宁愿将脚踩在清晰的流中，还是浑浊的浊流中一样，比起清晰而清晰的视频，不太可能观看模糊或有伪影的视频。 有3种常用工具可用来衡量视频质量： SIM卡 信噪比 马夫 并且它们都已按照（MOS）进行了校准。 MOS是根据对视频质量从1（低）到5（高）进行评估的人类对象测得的。 显然，使用人类受试者是一种昂贵的测试形式，因此，将自动测试校准到MOS是识别视频质量的绝妙方法。 流清晰度会做什么？ 可以在命令行上从FFMPEG运行“流清晰度”中的3个测试。 添加VMAF需要使用插件重建ffmpeg（并且在Mac上无法正常工作）。 为了简化视频质量测试，Stream Clarity是围绕FFMPEG的节点包装程序，允许对视频质量进行远程测试。 我该怎么做？ 所有3种测试都会将您的原始视频（参考）
视频质量评价指标PSNR/SSIM/VMAF
showerlxy的博客
02-28 2613
经微帧多次测试表明，相较于 PSNR avg.MSE，PSNR avg.log 具有一定不合理性，其太过“照顾”质量更高的帧，比如 PSNR=99dB 和 PSNR=50dB 的单帧，往往在主观上看不出区别，但通过 PSNR avg.log 的公式计算后，PSNR=99dB 的一帧就会大大拉高最终平均分，在特定序列上容易被 trick。VMAF 虽然有令人担忧的硬伤，但是确实有其独到的一面。单纯为了提高 VMAF 值，而增强对比度，实际是不合理的，虽 VMAF 值提高了，但画质却并没有真正提升，本末倒置。
ffmpeg-quality-metrics:使用FFmpeg（SSIM，PSNR，VMAF）计算质量指标
03-09
FFmpeg质量指标 使用FFmpeg计算质量指标的简单脚本。 目前支持PSNR，SSIM和VMAF。 它将输出： 每帧指标 每个组件（Y，U，V）的指标 全局统计（最小/最大/平均值/标准偏差） 作者：Werner Robitza 内容： 要求 Python 3.6或更高版本 FFmpeg： Linux：从下载git master版本。 可以在找到安装说明以及如何将FFmpeg和FFprobe添加到PATH中。 macOS：从下载快照版本。 Windows：从下载FFmpeg二进制文件。 git essentials就足够了。 将ffmpeg可执行文件放入$PATH 。 可以使用Homebrew来安装FFmpeg，但是建议您使用上面链接的FFmpeg构建之一，否则将使用libvmaf <v2.0.0，这要慢大约2倍（ ）。 安装 pip3 install ffmp
PSNR、SSIM、VMAF测试
最新发布
qq_64263615的博客
08-29 118
FFMetrics的使用
图像和视频质量评估算法 资源帖
sereasuesue的博客
12-23 1300
图像和视频质量评估算法整合 http://live.ece.utexas.edu/research/Quality/index_algorithms.htm SSIM、MS-SSIM、VIFP、GMSM、GMSD 和 VMAF 新版的视听版本！ 请在此处下载，如果您使用本软件，请在任何已发表的作品中引用以下论文。 X. Min， G. Zhai， J. 周， M.C Q. Farias， 和 A.C. Bovik， "视听信号主观和客观质量评估研究"， IEEE 图像处理交易， 第 29 卷， 第
SSIM和PSNR的python代码
09-02
SSIM和PSNR的python实现代码，可用于计算图片之间的差异，直接运行即可，有任何问题可以评论提出
videobench:VMAF PSNR 比特率分析仪
05-30
VideoBench（VMAF PSNR 比特率分析器） 抽象的 Video Bench 是一种工具，可以轻松将转码的视频文件与参考文件进行比较（来源） 计算测试文件的 VMAF 和 PSNR 分数 找到真实的视频比特率（帧的大小而不是数据包的大小） 给出按秒或按帧视图 适用于几乎所有视频编解码器（mpeg2、H264、HEVC、VP9 等） 无需解压缩视频文件 可以将测试文件与参考文件同步 根据测试文件自动为参考文件选择正确的去隔行过滤器 自动缩放测试文件以匹配参考文件 根据参考文件自动选择正确的 VMAF 模型（标准或 4k） 生成编译所有信息的 JSON 文件 可以以PNG格式导出所有图形（具有可配置的分辨率） 易于安装（需要 Docker 和 Python3 以及 pyside2 库） 在 Linux、Mac 和 Windows 上运行 有图形用户界面 可以在命令行中使
视频质量指标：使用指定的预设CRF值自动执行x264x265AV1的测试。 查看表格和图表中的VMAFSSIMPSNR值
02-21
视频质量指标（VQM） 该程序产生什么样的图形？ 图形被创建并保存为PNG文件，这些文件显示了整个视频中VMAF / SSIM / PSNR的变化。 这是一个VMAF图作为示例： 示例SSIM和PSNR图可以在“。 该程序具有两个主要功能，它们分别称为[1]和[2]。 [1]： 您已经有转码视频（和原始视频），并且希望使用VMAF和（可选）SSIM和PSNR指标计算转码版本的质量。 上述质量指标的值保存在一个表中，该表名为Table.txt 。 将创建一个VMAF图（如果指定了-ssim和-psnr参数， -psnr创建SSIM / PSNR图），该图显示了整个视频中VMAF / SSIM / PSNR的变化。 图形将另存为PNG文件。 示例： python main.py -ntm -ovp original.mp4 -tvp transcoded.mp4 -ssim -p
视频质量评价工具vmaf
想都是问题，做才有答案～～
07-19 9405
全参考视频质量评价算法vmaf
视频质量评价VQA
想都是问题，做才有答案～～
08-04 1558
视频质量评价全面介绍与分析
主观视觉质量评价
wlkdb的博客
01-21 1699
一、质量评价与计算机视觉 自从AlphaGo仿佛著名动漫EVA中使徒冲击般突然现世后，人工智能/深度学习的风口已经到来很多年了。但业内众所周知的，目前落地的最大AI应用还是人脸识别这样的计算机视觉应用。当然，随着去年GPT-3和AlphaFold的出现，未来几年我们也可以期待在NLP和生物制药领域出现更多有价值的落地场景。 而计算机视觉的应用，除了人脸识别之外，其他的落地应用还有内容审核、行人重识别等。这其中的内容审核，包括鉴黄、鉴暴等，其实和传统的计算机视觉任务会稍有不同。因为是否涉黄、涉暴等，这
图像质量评价指标： PSNR 和 SSIM
长河落日的博客
08-17 421
https://zhuanlan.zhihu.com/p/50757421
得到视频的SSIM的pyhon代码
04-27
您可以使用Python中的OpenCV库来计算视频的结构相似性指数(SSIM)。以下是一个简单的示例代码： ``` import cv2 # 读取视频 cap = cv2.VideoCapture('video.mp4') # 创建SSIM计算器对象 ssim_calc = cv2.QualitySSIM_create() # 初始化变量 prev_frame = None total_ssim = 0 frame_count = 0 # 遍历视频帧 while True: # 读取下一帧 ret, frame = cap.read() # 如果无法读取帧，则退出循环 if not ret: break # 转换为灰度图像 frame_gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 如果这是第一帧，则跳过计算SSIM if prev_frame is not None: # 计算SSIM ssim = ssim_calc.compute(prev_frame, frame_gray)[0] total_ssim += ssim frame_count += 1 # 保存当前帧作为上一帧 prev_frame = frame_gray # 计算平均SSIM avg_ssim = total_ssim / frame_count # 输出结果 print("平均SSIM:", avg_ssim) # 释放资源 cap.release() cv2.destroyAllWindows() ``` 在此示例中，我们使用`cv2.QualitySSIM_create()`函数创建了一个SSIM计算器对象，然后遍历视频帧并计算每一帧与前一帧之间的SSIM。最后，我们计算所有帧的平均SSIM并输出结果。 请注意，此代码仅适用于计算单个视频的SSIM，并且未考虑视频的时间轴。如果您需要比较两个视频之间的SSIM，则需要对两个视频的每个帧进行比较，并考虑它们之间的时间对齐。
评论 2
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

打赏作者

maryhaocool2023

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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