图像减均值除方差_图像对比和图像评价

图像作为信息的一种表现形式，常常需要进行传输、压缩、降级处理，在很多场景中需要进行处理后的图像相对于原图像的区别，也就是图像质量的评价。通过图像评价，我们可以比较待评价图像和参考图像之间的差异，给出待评价图像的失真程度。

图像质量评价包括基于像素统计的方法和基于结构信息的方法。所谓基于像素统计的方法，就是从整体像素信息的分布进行度量，有点类似直方图算法，从像素值的角度进行刻画。常见的基于像素统计的方法有均方差(MSE)和峰值信噪比(PSNR)。

均方差很容易理解，公式如下：

实际上就是求两幅图像所有像素值的差的平方和的均值。MSE用来评价图像之间的数据的变化程度，值越小，说明待评价图像相对于参考图像来说变化越小，敏感度越小，失真就越小，质量就越好。

在均方差的基础上，进一步有峰值信噪比方法，公式如下：

其中n是每个像素的比特数，一般n等于8，PSNR的单位是dB，它的值越大，失真越小。一般来说，PSNR高于40dB说明图像质量很好，也就是非常接近原始图像，如果20-30说明图像质量差，如果低于20的话，图像就难以接受了。

在工程上，PSNR是普遍接受的和使用最为广泛的图像客观评价方法，由于它是基于误差敏感性的度量方法，刻画图像经过处理之后，图像到达最大的信号噪音比的时候度量。

但是，这种客观上的全局方法，没有考虑到人眼的视觉特性，所以往往通过PSNR得到的结果和人眼的感受是有差异的。因为以下3个因素：

(1)人眼对空间频率较低的对比差异敏感度较高；

(2)   人眼对亮度对比差异性敏感度比较高；

(3)人眼对一个区域的感知结果会受到其周围临近区域的影响。

基于以上3点的人眼主观感受程度，图像质量评价还可以使用结构相似性进行度量，称作SSIM。SSIM涉及到3个公式，如下：

这3个公式，分别对应上面的3个因素，其实l(x,y)对应亮度，c(x,y)对应对比度，s(x,y)对应结构。在公式中，u表示均值，σ2表示方差，σxy表示协方差。可以看出，亮度的度量主要使用均值，对比度度量主要使用方差，结构的度量主要使用协方差(互关系)。进一步的，我们定义SSIM的公式如下：

使α、β、γ都等于1，得到：

其中c1 = (K1L)2，c2 = (k2L)2，是两个常数，避免除零。其中L是像素值的范围，L = 255，默认k1 = 0.01，k2 = 0.03。这样的话，我们就可以使用这个公式进行SSIM计算了。通常在实际应用中，我们会选择一定N*N的邻域，然后在这个邻域内进行计算SSIM，然后将所有计算得到的结果求均值。

以上可见，对图像质量评价时，不同的条件下需要不同的评价算法，需要根据实际的项目需求进行选择。