图像质量评估算法-SAD SSD MAD MSD SSIM MS-SSIM

如有错误，望读者指正！！！

本文将介绍的图像质量评估算法：

• MAD(Mean Absolute Difference)：平均绝对差值
• SAD(Sum of Absolute Difference)：绝对误差和
• SATD(Sum of Absolute Transformed Difference)：哈达玛变换算法
• SSD(Sum of Squared Difference)：差值平方和
• MSD(Mean Squared Difference)：平均平方误差
• SSIM(Structural Similarity Index)：结构相似性
• MS-SSIM(Multi-Scale-Structural Similarity Index)：多层级结构相似性

MAD平均绝对差值

$$D = \frac{1}{W*H}\sum_{x=1}^{W}\sum_{y=1}^{H}|S(x,y)-T(x,y)|$$

$S(x,y)$表示原始图像在坐标$(x,y)$的像素值，$T(x,y)$为待评价图像在坐标$(x,y)$的像素值。$W$代表图像宽度，$H$代表图像高度。$D$代表待评估图像与原始图像质量区别（或称失真度），越小越好。

SAD绝对误差和算法

$$D = \sum_{x=1}^{W}\sum_{y=1}^{H}|S(x,y)-T(x,y)|$$

变量意义同MAD。

SATD哈达玛变换算法

SAD是两幅图像差值的绝对值的和，SATD为两幅图像差值进行哈达玛变化后系数的绝对值的和。

SSD误差平方和算法

$$D = \sum_{x=1}^{W}\sum_{y=1}^{H}[S(x, y)-T(x,y)]^{2}$$

变量意义同MAD。
​​

MSD平均误差平方和算法

D=1W∗H∑x=1W