图像质量评价指标 PSNR 和 SSIM

PSNR 和 SSIM 是两种常见的图像质量评价指标，通常用于衡量两张图像的相似度。

参考材料：

• https://zh.wikipedia.org/wiki/峰值信噪比
• https://zhuanlan.zhihu.com/p/50757421

PSNR

PSNR：峰值信噪比（Peak signal-to-noise ratio），常用对数分贝单位来表示。

先定义均方误差 $MSE$。

灰度 MSE

两张大小均为 $m\times n$ 的灰度图像，原图为 $I$，有损图为 $K$，则定义

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

RGB MSE

分别计算 RGB 三个通道的 MSE，然后取平均值。

$$MSE=\frac{1}{3mn}\sum_{R,G,B}\sum_{i=1}^{m-1}\sum_{j=0}^{n-1}\left[I_{color}(i, j)-K_{color}(i, j)\right]^2$$

PSNR

先定义 ${MAX}_I$ 为 $I$ 中每个像素的可能颜色数量。对于 8 位图像，每个像素可能有255种颜色，于是 ${MAX}_I$=255。当然也有 ${MAX}_K$=255。

那么，

$$\begin{align*} PSNR&=10\cdot \log_{10}\left(\frac{{MAX}_I^2}{MSE}\right) \\ &= 20\cdot \log_{10}\left(\frac{{MAX}_I}{\sqrt{MSE}}\right) \end{align*}$$

PSNR 的取值

PSNR 没有理论上限值，值越大，表明 $I$ 和 $K$ 越相似。容易看出，$I$ 和 $K$ 完全相同时，PSNR $\to \infin$。

• PSNR 接近 50dB，代表压缩后的图像仅有些许非常小的误差。
• PSNR 大于 30dB，人眼很难察觉压缩后和原始影像的差异。
• PSNR 介于 20dB 到 30dB 之间，人眼就可以察觉出图像的差异。
• PSNR 介于 10dB 到 20dB 之间，人眼还是可以用肉眼看出这个图像原始的结构，且直观上会判断两张图像不存在很大的差异。
• PSNR 低于 10dB，人类很难用肉眼去判断两个图像是否为相同，一个图像是否为另一个图像的压缩结果。

一组来自 wiki 的对比图^[1]：

原图	PSNR 47.61dB	PSNR 34.02dB	PSNR 24.46dB

SSIM

SSIM：结构相似性指标（structural similarity index）

SSIM 的基本思想为自然图像是高度结构化的，即在自然图像中相邻像素之间有很强的关系性，而这样的关系性承载了场景中物体的结构信息。人类视觉系统在观看图像时已经很习惯抽取这样的结构性信息。

SSIM 的定义

设两张图分别为 $x$ 和 $y$。

SSIM 从三个维度来衡量图像的相似性：

• 亮度 luminance

  $$l(x,y)=\frac{2\mu_x+\mu_y+c_1}{\mu_x^2+\mu_y^2+c_1}$$

  其中 $\mu$ 表示图像的均值，$c_1$ 和 $c_2$ 是为了避免除以 0 而添加的常数：

  $$c_1=(k_1 L)^2,\quad c_2=(k_2 L)^2$$

  $k_1$ 默认取 0.01，$k_2$ 默认取 0.03。$L$ 和 PSNR 中的 ${MAX}_I$ 是同一个东西。

• 对比度 contrast

  $$c(x,y)=\frac{2\sigma_x\sigma_y+c_2}{\sigma_x^2+\sigma_y^2+c_2}$$

  其中 $\sigma^2$ 表示图像的方差。

• 结构 structure

  $$s(x,y)=\frac{\sigma_{xy}+c_3}{\sigma_x\sigma_y+c_3}$$

  其中 $\sigma_{xy}$ 是 $x$ 和 $y$ 的协方差，$c_3$ 一般取 $c_2$ 的一半。

于是，得到

$$SSIM(x,y)=l(x,y)^\alpha \cdot c(x,y)^\beta \cdot s(x,y)^\gamma$$

$\alpha$、$\beta$、$\gamma$ 是控制三者相对重要性的参数，一般都取1即可。

在实际计算时，一般从图片上取一个固定大小的窗口，在窗口内进行 $SSIM$ 计算，然后不断滑动窗口，最后取平均值作为全局的 $SSIM$。

SSIM 的取值

如果 $x=y$，则有 $\mu_x=\mu_y$，$\sigma_x=\sigma_y$，可以推算得出此时 $SSIM=1$。

SSIM 是可以取负值的。

SSIM 越大，表明两张图的相似性越高。

局限性

有时，PNSR 和 SSIM 可能无法正确地反映图像的视觉质量。见 https://videoprocessing.ai/metrics/ways-of-cheating-on-popular-objective-metrics.html

SSIM 不适用于位移、旋转、缩放这些非结构性失真。这些种类的极轻微失真就会导致 SSIM 剧烈变化。

---

1. 来自 Miiishele - 自己的作品，CC BY-SA 4.0，https://commons.wikimedia.org/w/index.php?curid=91759828 ↩︎