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=1W∗H∑x=1W∑y=1H|S(x,y)−T(x,y)| D = 1 W ∗ H ∑ x = 1 W ∑ y = 1 H | S ( x , y ) − T ( x , y ) |
S(x,y) S ( x , y ) 表示原始图像在坐标 (x,y) ( x , y ) 的像素值, T(x,y) T ( x , y ) 为待评价图像在坐标 (x,y) ( x , y ) 的像素值。 W W 代表图像宽度, 代表图像高度。 D 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
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=∑x=1W∑y=1H[S(x,y)−T(x,y)]2 D = ∑ x = 1 W ∑ 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