两种常用的全参考图像质量评价指标--PSNR和SSIM

1.PSNR（Peak Signal to Noise Ratio）峰值信噪比：

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；

$$MSE=\frac{1}{H \times W} \sum_{i=1}^{H}\sum_{j=1}^{W} (X(i,j)-Y(i,j))^2$$ PSNR的单位是dB，数值越大表示失真越小。n为每像素的比特数，一般的灰度图像取8，即像素灰阶数为256.
$$PSNR=10log_{10}(\frac{(2^n-1)^2}{MSE})$$ 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的函数代码实现如下：

function [ out ] = psnr( X,Y )
[ m,n ] = size( X );
mse = sum(( double(X(:)) - double(Y(:)) ).^2);
mse = mse/(m*n);
out = 10*log10((255*255)/mse);
end

---

2.SSIM（Structural Similarity）结构相似性：

SSIM（Structural Similarity）结构相似性

$\mu_X$、$\mu_Y$分别表示图像X和Y的均值，$\sigma_X$、$\sigma_Y$分别表示图像X和Y的方差，$\sigma_{XY}$表示图像X和Y的协方差，即

μX=1H×W∑i=1H∑j=1