FFmpeg计算图像的SSIM的原理

SSIM算法基于HVS更擅长从图像中提取结构信息的事实，并且利用结构相似度来计算图像的感知质量。
在Z. Wang等人的论文Multi-scale structural similarity for image quality assessment中也提到，$SSIM$算法要好于当时的其它的感知图像质量指标。
SSIM的计算公式：

SSIM计算中的图像分割
==在整幅图片的跨度上，图像亮度的均值和方差变化较为剧烈；并且图像上不同区块的失真程度也有可能不同；再者人眼睛每次只能聚焦于一处，更关注局部数据而非全局数据。==因此如上的$SSIM$算法不能直接作用于一整副图像。
在论文Image quality assessment: From error visibility to structural similarity中，作者采用 $11\times 11$的滑动窗口将整副图像分割为$N$个patch，然后计算每一个patch的$SSIM$，最后计算所有patch的$SSIM$值的平均数（$MeanSSIM:MSSIM$）作为整副图像的$SSIM$。
为避免滑动窗口带来的块效应，在计算每个patch的均值$\mu$和方差${\sigma }^2$时，作者采用$\sigma =1.5$的高斯卷积核作加权平均。整副图像有$N$个patch，则$MSSIM$的计算公式为：

FFmpeg计算SSIM的实际实现

FFmpeg提供了计算$SSIM$的实现：
https://github.com/FFmpeg/FFmpeg/blob/master/tests/tiny_ssim.c。
从代码注释中看到：为提升算法性能，没采用论文中的高斯加权方式计算每个patch的$SSIM$，而采用了$8\times 8$的块来计算每个patch的$SSIM$。

standard approximation of overlapped 8x8 block sums

解释一下注释中的standard approximation of overlapped 8x8 block sums 的含义。分解成两个部分来解释：overlapped 8x8 block和sums。
overlapped 8x8 block的含义：
FFmpeg在计算图像$SSIM$时，首先以$4\times 4$的块大小把图1所示的分辨率为