【图像相关】图像质量评价指标 PSNR 和 SSIM

---

PSNR

PSNR 是 “Peak Signal to Noise Ratio” 的缩写，即峰值信噪比，是一种评价图像的客观标准，它具有局限性，一般是用于最大值信号和背景噪音之间的一个工程项目。

其中，MSE表示当前图像X和参考图像Y的均方误差（Mean Square Error），H、W分别为图像的高度和宽度；n为每像素的比特数，一般取8，即像素灰阶数为256. PSNR的单位是dB，数值越大表示失真越小。

PSNR是最普遍和使用最为广泛的一种图像客观评价指标，然而它是基于对应像素点间的误差，即基于误差敏感的图像质量评价。由于并未考虑到人眼的视觉特性（人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个区域的感知结果会受到其周围邻近区域的影响等），因而经常出现评价结果与人的主观感觉不一致的情况。

Matlab有自带函数可以直接用，Python中的实现如下：

from skimage.measure import compare_psnr
psnr = compare_psnr(fig1, fig2)

---

SSIM

SSIM (Structural Similarity)，结构相似性，是一种衡量两幅图像相似度的指标。

它分别从亮度、对比度、结构三方面度量图像相似性。

其中ux、uy分别表示图像X和Y的均值，σX、σY分别表示图像X和Y的方差，σXY表示图像X和Y的协方差，即

C1、C2、C3为常数，为了避免分母为0的情况，通常取C1=(K1L)^2, C2=(K2L)^2, C3=C2/2, 一般地K1=0.01, K2=0.03, L=255. 则

SSIM取值范围为[0, 1]。SSIM = 1，表示两张图片一样。

Matlab有自带函数可以直接用，Python中的实现如下：

from skimage.measure import compare_ssim
ssim = compare_ssim(fig1, fig2, multichannel=True)

---

参考链接

https://baike.baidu.com/item/SSIM/2091025?fr=aladdin
https://www.jianshu.com/p/b64dde68500d