图像质量评价

图像质量评价

一、噪声质量评价

1. PSNR

给定一个$m\times n$的干净图像$I$和噪声图像$K$均方误差定义为：

$$MSE=\frac{1}{mn}\sum _{i=0}^{m-1}\sum _{j=0}^{n-1}[I(i,j)-K(i,j){]}^2$$

然后PSNR就定义为：

$$PSNR=10\cdot lo{g}_{10}(\frac{MA{X}_I^2}{MSE})$$

其中$MA{X}_I^2$是图像可能的最大的像素值，比如灰度图像的像素最大值为255或者1。

而对于彩色图像来说，$PSNR$的计算可以由以下几种方法来计算。

1. 取所有通道的灰度像素平均值
2. 计算通道的$MSE$的平均值
3. 将图片转化为 $YCbCr$ 格式，然后只计算 $Y$分量也就是亮度分量的 $PSNR$。

2、SSIM

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

• $Luminance$

  亮度以平均灰度衡量，通过平均所有像素的值得到。

$${\mu }_x=\frac{1}{N}\sum _{i=1}^N{x}_i$$

那么对比函数即为

$$l(x,y)=\frac{2{\mu }_x{\mu }_y+C_1}{{\mu }_x^2{\mu }_y^2+C_1}$$

• $Contrast$

  对比度通过灰度标准差来衡量。标准差无偏估计：

$${\sigma }_x=(\frac{1}{N-1}\sum _{i=1}^N(x_i-{\mu }_x{)}^2{)}^2$$

相应的对比函数即为

$$l(x,y)=\frac{2{\sigma }_x{\sigma }_y+C_2}{{\sigma }_x^2{\sigma }_y^2+C_2}$$

• $Structure$
  结构对比比较的是经过归一化后的$x-{\mu }_x/{\sigma }_x$和$(y-{\mu }_y/{\sigma }_y)$的比较。即可以用相关性系数衡量。
  $$c(x,y)=\frac{{\sigma }_{xy}+C_3}{{\sigma }_x{\sigma }_y+C_3}$$
  其中${\sigma }_{xy}=\frac{1}{N-1}{\sum }_{i-1}^N(x_i-{\mu }_x)(y_i-{\mu }_y)$，上述的所有常量$C_1,C_2,C_3$都是为了防止分母不接近0。$C_1=(K_{1}L{)}^2$，$C_2=(K_{2}L{)}^2$，$C_3=C_2/2$，经验常取$K_1=0.01$，$K_2=0.03$，$L$是与bytes位像素相关的值。
• $SSIM$
  广义上的SSIM可以定义为$S(x,y)=l(x,y{)}^{\alpha }c(x,y{)}^{\beta }s(x,y{)}^{\gamma }$，当三个指数都为1时，则得到标准的SSIM。

二、噪声质量评价的标准

1. PSNR

PSNR是一种用于度量重建图像与原始图像之间差异的指标。它通过计算两个图像之间的均方误差（MSE）来衡量它们之间的差异。

PSNR值越高，表示重建图像与原始图像之间的差异越小，图像质量越好。一般来说，对于无损压缩任务（例如无损图像压缩），较高的PSNR值通常被认为是较好的，一般在40 dB以上可以被视为较高质量。对于有损压缩任务（例如有损图像压缩），由于数据丢失，更高的PSNR值并不一定意味着更好的图像质量，因为有损压缩会引入一定程度的失真。

当图像的位深度不同时，像素值的范围也会不同，从而导致MSE的值发生变化。因此，不同位深度的图像在PSNR的计算中会得到不同的结果。

2. SSIM

SSIM是一种综合考虑图像的亮度、对比度和结构相似性的指标。它通过比较原始图像和重建图像的亮度、对比度和结构相似性来评估它们之间的相似程度。SSIM的值范围在0到1之间，1表示两个图像完全相同。