图像质量评价指标metrics：PSNR 、SSIM、LPIPS

一、PSNR（峰值信噪比）

1.定义

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。必须满足两张图像的size要完全一样。

2.公式

计算时必须满足两张图像的size要完全一样！

对于单色图像来说，给定一个大小为m×n的干净图像I和噪声图像K，均方误差(MSE)定义为：

然后PSNR(dB)就定义为：

其中MAXI是表示图像点颜色的最大数值，如果每个采样点用 8 位表示，那么就是 255，如果每个采样点用 n 位二进制表示，则MAXI=2^n-1。

3.结果

因此MSE越小，PSNR越大，代表图像质量越好。

PSNR高于40dB说明图像质量极好（即非常接近原始图像）

在30—40dB通常表示图像质量是好的（即失真可以察觉但可以接受）

在20—30dB说明图像质量差

PSNR低于20dB图像不可接受

二、SSIM（结构相似性）

1.定义

可以衡量图片的失真程度，也可以衡量两张图片的相似程度。与MSE和PSNR衡量绝对误差不同，SSIM是感知模型，即更符合人眼的直观感受。

2.公式 

SSIM 主要考量图片的三个关键特征：

亮度（Luminance）：亮度以平均灰度衡量，通过平均所有像素的值得到

对比度（Contrast）：对比度通过灰度标准差来衡量。标准差无偏估计：

 

结构 (Structure)：

α β γ 分别代表了不同特征在SSIM衡量中的占比，在实际计算中一般设定α = β = γ = 1，以及c 3 = c 2 / 2 ，因此公式可以化简为：

 

每次计算的时候都从图片上取一个N×N的窗口，然后不断滑动窗口进行计算，最后取平均值作为全局的 SSIM。

3.结果

1. SSIM具有对称性，即SSIM(x,y)=SSIM(y,x)
2. SSIM是一个0到1之间的数，越大表示输出图像和无失真图像的差距越小，即图像质量越好。当两幅图像一模一样时，SSIM=1；

三、LPIPS（感知损失）

1.定义

基于学习的感知相似度度量LPIPS 比传统方法（比如L2/PSNR, SSIM, FSIM）更符合人类的感知情况。来源于论文《The Unreasonable Effectiveness of Deep Features as a Perceptual Metric》

2.公式

(14条消息) LPIPS图像相似性度量标准：The Unreasonable Effectiveness of Deep Features as a Perceptual Metric_Alocus_的博客-CSDN博客_lpips

3.结果

LPIPS的值越低表示两张图像越相似，反之，则差异越大