图像质量评价指标

目录

全参考图像评价指标 

PSNR：（峰值信噪比）值越大，表示图像失真越小。

SSIM：（结构相似性）取值范围[0,1]，值越大，表示图像失真越小。

LPIPS：（学习感知图像块相似度） 值越低表示两张图像越相似。

无参考图像评价指标 

NIQE：（自然图像质量评估器）较低的NIQE值大致对应较高的整体自然度。

CPCQI：（基于颜色的面片对比度质量指数）较大的CPCQI值则表示较高的对比度。

---

全参考图像评价指标 

PSNR：（峰值信噪比）值越大，表示图像失真越小。

峰值信噪比（Peak Signal to Noise Ratio，PSNR）：一种评价图像的客观标准。

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；

 PSNR的单位是dB，数值越大表示失真越小。n为每像素的比特数，一般的灰度图像取8，即像素灰阶数为256.

PSNR是最普遍和使用最为广泛的一种图像客观评价指标，然而它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。
————————————————
版权声明：本文为CSDN博主「影清」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zjyruobing/article/details/49908979

SSIM：（结构相似性）取值范围[0,1]，值越大，表示图像失真越小。

结构相似性 (Structural Similarity Index, SSIM)：是一种衡量两幅图像相似度的指标。该指标首先由德州大学奥斯丁分校的图像和视频工程实验室(Laboratory for Image and Video Engineering)提出。而如果两幅图像是压缩前和压缩后的图像，那么SSIM算法就可以用来评估压缩后的图像质量。

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。

uX、uY分别表示图像X和Y的均值，σX、σY分别表示图像X和Y的方差，σXY表示图像X和Y的协方差，即

基于样本x和y之间的三个比较衡量：亮度 (luminance)、对比度 (contrast) 和结构 (structure)。

 C1、C2、C3为常数，为了避免分母为0的情况，通常取C1=(K1*L)^2、C2=(K2*L)^2、C3=C2/2，一般地K1=0.01, K2=0.03, L=255. 则

SSIM的特殊形式如下：

————————————————
版权声明：本文为CSDN博主「影清」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zjyruobing/article/details/49908979  

LPIPS：（学习感知图像块相似度） 值越低表示两张图像越相似。

学习感知图像块相似度(Learned Perceptual Image Patch Similarity, LPIPS)：也称为“感知损失”(perceptual loss)，用于度量两张图像之间的差别。来源于CVPR2018《The Unreasonable Effectiveness of Deep Features as a Perceptual Metric》，该度量标准学习生成图像到Ground Truth的反向映射强制生成器学习从假图像中重构真实图像的反向映射，并优先处理它们之间的感知相似度。LPIPS 比传统方法（比如L2/PSNR, SSIM, FSIM）更符合人类的感知情况。LPIPS的值越低表示两张图像越相似，反之，则差异越大。

d为 x0与x之间的距离。从L层提取特征堆(feature stack)并在通道维度中进行单位规格化(unit-normalize)。利用向量WL 来放缩激活通道数,最终计算L2距离。最后在空间上平均，在通道上求和。
————————————————
版权声明：本文为CSDN博主「江南酷哥lazy」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43466026/article/details/119898304 

---

无参考图像评价指标 

NIQE：（自然图像质量评估器）较低的NIQE值大致对应较高的整体自然度。

NIQE评估修复结果的整体自然度。

为何引入NIQE？
       在进行图像重建任务后通常还要做图像质量评价，常用的判断指标有峰值信噪比(PSNR)，结构相似性(SSIM) 等。在大部分任务中，通过这些指标可以证明图像重建任务是否更加有效。但在超分辨重建任务里，在近些年引入生成对抗网络后，人们发现高的PSNR或SSIM不一定能代表更好重建质量，因为在高PSNR或SSIM的图片中，它们图像的纹理细节并不一定符合人眼的视觉习惯。因此，研究者们找到了这种更有效的图像重建质量的指标NIQE。
————————————————
版权声明：本文为CSDN博主「凌川御雪」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_30124657/article/details/114268329 

CPCQI：（基于颜色的面片对比度质量指数）较大的CPCQI值则表示较高的对比度。

CPCQI从平均强度、信号强度和信号结构分量三个方面评估了输入和增强输出之间的增强效果。