原文:/zjyruobing/article/details/49908979
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;
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:
μX、μY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 :
SSIM分别从亮度、对比度、结构三方面度量图像相似性。
C1、C2、C3为常数,为了避免分母为0的情况,通常取C1=(K1∗L)2, C2=(K2∗L)2, C3=C22, 一般地K1=0.01, K2=0.03, L=255 则
SSIM取值范围[0,1],值越大,表示图像失真越小.
SSIM的特殊形式如下:
3、MSSIM(Mean Structural Similarity )平均结构相似性
在实际应用中,可以利用滑动窗将图像分块,令分块总数为N,考虑到窗口形状对分块的影响,采用加权计算每一窗口的均值、方差以及协方差,权值wij满足∑i∑jwij=1,通常采用高斯核,然后计算对应块的结构相似度SSIM,最后将平均值作为两图像的结构相似性度量,即平均结构相似性MSSIM:
Matlab的函数实现代码如下:
function [mssim, ssim_map] = ssim_index(img1, img2, K, window, L)C1 = (K(1)*L)^2;C2 = (K(2)*L)^2;window = window/sum(sum(window));img1 = double(img1);img2 = double(img2);mu1 = filter2(window, img1, 'valid');mu2 = filter2(window, img2, 'valid');mu1_sq = mu1.*mu1;mu2_sq = mu2.*mu2;mu1_mu2 = mu1.*mu2;sigma1_sq = filter2(window, img1.*img1, 'valid') - mu1_sq;sigma2_sq = filter2(window, img2.*img2, 'valid') - mu2_sq;sigma12 = filter2(window, img1.*img2, 'valid') - mu1_mu2;if (C1 > 0 & C2 > 0)ssim_map = ((2*mu1_mu2 + C1).*(2*sigma12 + C2))./((mu1_sq + mu2_sq + C1).*(sigma1_sq + sigma2_sq + C2));elsenumerator1 = 2*mu1_mu2 + C1;numerator2 = 2*sigma12 + C2;denominator1 = mu1_sq + mu2_sq + C1;denominator2 = sigma1_sq + sigma2_sq + C2;ssim_map = ones(size(mu1));index = (denominator1.*denominator2 > 0);ssim_map(index) = (numerator1(index).*numerator2(index))./(denominator1(index).*denominator2(index));index = (denominator1 ~= 0) & (denominator2 == 0);ssim_map(index) = numerator1(index)./denominator1(index);endmssim = mean2(ssim_map);return
如果觉得《两种常用的全参考图像质量评价指标——峰值信噪比(PSNR)和结构相似性(SSIM)》对你有帮助,请点赞、收藏,并留下你的观点哦!