图像质量评估各项指标（二）——结构相似性SSIM

最新推荐文章于 2024-05-09 09:04:10 发布

LoveMIss-Y

最新推荐文章于 2024-05-09 09:04:10 发布

阅读量2w

点赞数 14

分类专栏：数字图象处理文章标签：图像质量评价指标 SSIM PSNR OpenCV c++ SSIM

本文链接：https://blog.csdn.net/qq_27825451/article/details/104016874

版权

数字图象处理专栏收录该内容

4 篇文章 15 订阅

订阅专栏

前言：前面的一片文章中较为系统的归纳了图像质量评价的各种指标，其中使用的最多的就是PSNR和SSIM，鉴于PSNR较为简单，本文专门介绍SSIM的思想以及它的实现。

前一篇文章参考：图像质量评估各项指标（一）

一、从均方误差MSE和峰值信噪比PSNR说起

计算图像降噪后的质量，最直接的思路即比较降噪后的图像与真实图像（distortion-free）之间的差剖面，即可视误差，通过 visibility of errors 评价图像质量。PSNR 和 MSE 就是基于这种简单直接的思路确定的指标，

MSE（Mean Squared Error），顾名思义，定义略。

PSNR（Peak Signal to Noise Ratio），峰值信噪比，即峰值信号的能量与噪声的平均能量之比，通常表示的时候取 log 变成分贝（dB），由于 MSE 为真实图像与含噪图像之差的能量均值，而两者的差即为噪声，因此 PSNR 即峰值信号能量与 MSE 之比。定义式如下：

第二个等式由于图像像素点数值以量化方式保存，bits 即每个像素点存储所占的位数。因此 MaxValue 即为 2^bits - 1。

计算PSNR

def cal_psnr(im1, im2):
     mse = (np.abs(im1 - im2) ** 2).mean()
     psnr = 10 * np.log10(255 * 255 / mse)
     return psnr

由于灰度等级gray scale 存成 8bit ，故最大值255。

当时上面的评价指标有一个大的问题，那就是
由于基于差剖面的简单计算不符合人类视觉系统（Human Visual System，HVS）的评价结果，因此需要对评价方式进行重新考量。如果图片的最终目的是对人类展示的话，那么质量应该以人的主管测评为准。但是由于主管评价不方便且费时，因此我们试图用客观的图像质量评价来对图像进行评价，使其接近 HVS 的特点。由于 HVS 具有可以抓取图像的结构特征的特点，因此设计（结构相似性） Structural Similarity 进行评价，即 SSIM 。

注意：PSNR和SSIM都是全参考的（full reference）的，也就是需要无噪声的真实图像作为参考依据。

二、结构相似性SSIM

SSIM的基本思路是，通过以下三个方面来对两幅图像的相似性进行评估，即

1. luminance，亮度
2. contrast，对比度
3. structure，结构

算法的框图基本如下：

基本流程为：

（1）对于输入的x和y，首先计算出（亮度测量）luminance measurement，进行比对，得到第一个相似性有关的评价；

（2）再减去luminance的影响，计算（对比度测量）contrast measurement，比对，得到第二个评价；

（3）再用上一步的结果除掉对比度的影响，再进行structure的比对。最后将结果combine，得到最终的评价结果。

从实现角度来讲，

（1）亮度luminance用均值表征，以标准图像x为例，当然还有另外一张作为对比的图像y,公式是一样的，如下：

（2）对比度contrast用经过均值归一化之后的方差表征，以标准图像x为例，当然还有另外一张作为对比的图像y,公式是一样的如下：

（3）结构用相关系数（就是统计意义上的 r ，协方差与方差乘积的比值）。

三、SSIM的实现

（1）方式一：python的skimage库中实现了一些常见的评价指标如

from skimage.measure import compare_mse     #均方误差
from skimage.measure import compare_psnr    #峰值信噪比
from skimage.measure import compare_ssmi    #结构相似性

（2）自己实现：代码如下

LoveMIss-Y

关注

14
点赞
踩
101

收藏

觉得还不错? 一键收藏
2
评论
图像质量评估各项指标（二）——结构相似性SSIM

前言：前面的一片文章中较为系统的归纳了图像质量评价的各种指标，其中使用的最多的就是PSNR和SSIM，鉴于PSNR较为简单，本文专门介绍SSIM的思想以及它的实现。前一篇文章参考：图像质量评估各项指标（一）一、从均方误差MSE和峰值信噪比PSNR说起计算图像降噪后的质量，最直接的思路即比较降噪后的图像与真实图像（distortion-free）之间的差剖面，即可视误差，通过 v...
复制链接

扫一扫