图像质量评价之PSNR 和SSIM(附Matlab实现代码)
2017-10-04 11:21
1301 查看
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。
peak的中文意思是顶点。而ratio的意思是比率或比列的。整个意思就是到达噪音比率的顶点信号,psnr一般是用于最大值信号和背景噪音之间的一个工程项目。通常在经过影像压缩之后,输出的影像都会在某种程度与原始影像不同。为了衡量经过处理后的影像品质,我们通常会参考PSNR值来衡量某个处理程序能否令人满意。它是原图像与被处理图像之间的均方误差相对于(2^n-1)^2的对数值(信号最大值的平方,n是每个采样值的比特数),它的单位是dB。
MATLAB用法的公式如下:
PSNR=10*log10((2^n-1)^2/MSE)
其数学公式如下图所示:
其中,MSE是原图像与处理图像之间均方误差。
psnr
Peak就是指8bits表示法的最大值255。MSE指MeanSquareError,I(角标n)指原始影像第n个pixel值,P(角标n)指经处理后的影像第n个pixel值。PSNR的单位为dB。所以PSNR值越大,就代表失真越少。
PSNR是最普遍,最广泛使用的评鉴画质的客观量测法,不过许多实验结果都显示,PSNR的分数无法和人眼看到的视觉品质完全一致,有可能PSNR较高者看起来反而比PSNR较低者差。这是因为人眼的视觉对于误差的敏感度并不是绝对的,其感知结果会受到许多因素的影响而产生变化(例如: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)。
SSIM
SSIM(structural
similarity index),结构相似性,是一种衡量两幅图像相似度的指标。该指标首先由德州大学奥斯丁分校的图像和视频工程实验室(Laboratory for Image and Video Engineering)提出。SSIM使用的两张图像中,一张为未经压缩的无失真图像,另一张为失真后的图像。
给定两个图像
和
, 两张图像的结构相似性可按照以下方式求出[1] :
其中
是
的平均值,
是
的平均值,
是
的方差,
是
的方差,
是
和
的协方差。
,
是用来维持稳定的常数。
是像素值的动态范围。
,
。
结构相似性的范围为
到
。当两张图像一模一样时,SSIM的值等于1。
作为结构相似性理论的实现,结构相似度指数从图像组成的角度将结构信息定义为独立于亮度、对比度的,反映场景中物体结构的属性,并将失真建模为亮度、对比度和结构三个不同因素的组合。用均值作为亮度的估计,标准差作为对比度的估计,协方差作为结构相似程度的度量。
PSNR基于Matlab实现代码:http://download.csdn.net/download/mrrightmeng/10024580
SSIM基于Matlab实现代码:http://download.csdn.net/download/mrrightmeng/10024553
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。
peak的中文意思是顶点。而ratio的意思是比率或比列的。整个意思就是到达噪音比率的顶点信号,psnr一般是用于最大值信号和背景噪音之间的一个工程项目。通常在经过影像压缩之后,输出的影像都会在某种程度与原始影像不同。为了衡量经过处理后的影像品质,我们通常会参考PSNR值来衡量某个处理程序能否令人满意。它是原图像与被处理图像之间的均方误差相对于(2^n-1)^2的对数值(信号最大值的平方,n是每个采样值的比特数),它的单位是dB。
MATLAB用法的公式如下:
PSNR=10*log10((2^n-1)^2/MSE)
其数学公式如下图所示:
其中,MSE是原图像与处理图像之间均方误差。
psnr
Peak就是指8bits表示法的最大值255。MSE指MeanSquareError,I(角标n)指原始影像第n个pixel值,P(角标n)指经处理后的影像第n个pixel值。PSNR的单位为dB。所以PSNR值越大,就代表失真越少。
优缺点
PSNR是最普遍,最广泛使用的评鉴画质的客观量测法,不过许多实验结果都显示,PSNR的分数无法和人眼看到的视觉品质完全一致,有可能PSNR较高者看起来反而比PSNR较低者差。这是因为人眼的视觉对于误差的敏感度并不是绝对的,其感知结果会受到许多因素的影响而产生变化(例如: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)。SSIM
SSIM(structural
similarity index),结构相似性,是一种衡量两幅图像相似度的指标。该指标首先由德州大学奥斯丁分校的图像和视频工程实验室(Laboratory for Image and Video Engineering)提出。SSIM使用的两张图像中,一张为未经压缩的无失真图像,另一张为失真后的图像。
给定两个图像
和
, 两张图像的结构相似性可按照以下方式求出[1] :
其中
是
的平均值,
是
的平均值,
是
的方差,
是
的方差,
是
和
的协方差。
,
是用来维持稳定的常数。
是像素值的动态范围。
,
。
结构相似性的范围为
到
。当两张图像一模一样时,SSIM的值等于1。
作为结构相似性理论的实现,结构相似度指数从图像组成的角度将结构信息定义为独立于亮度、对比度的,反映场景中物体结构的属性,并将失真建模为亮度、对比度和结构三个不同因素的组合。用均值作为亮度的估计,标准差作为对比度的估计,协方差作为结构相似程度的度量。
PSNR基于Matlab实现代码:http://download.csdn.net/download/mrrightmeng/10024580
SSIM基于Matlab实现代码:http://download.csdn.net/download/mrrightmeng/10024553
相关文章推荐
- SSIM——基于结构相似性的图像质量评价(matlab)
- 【超分辨率】基于结构相似性的图像质量评价SSIM及其python实现
- 图像质量评价:SSIM&PSNR
- 图像压缩质量评价PSNR和SSIM
- 代码汇总:图像质量评价Matlab代码分享
- 图像质量评价指标之Matlab实现
- 图像质量评价指标之Matlab实现
- 两种常用的全参考图像质量评价指标--PSNR和SSIM
- 【CV】无参考图像的清晰度评价方法,附NRSS的matlab实现
- Matlab评价图像质量,峰值信噪比,模糊系数的计算
- 重建图像的PSNR和MSE的MATLAB实现
- 视频质量客观评价PSNR和SSIM
- 图像质量的客观评估指标PSNR与SSIM
- 全参考视频质量评价方法(PSNR,SSIM)以及相关数据库
- [图像]Canny检测的Matlab实现(含代码)
- 图像质量评估PSNR和SSIM
- 全参考视频质量评价方法(PSNR,SSIM)以及相关数据库
- 全参考客观视频质量评价方法 (MSE, PSNR,SSIM)原理
- 评价图像质量的新方式SSIM
- Matlab 摄像头,获取外界图像,底层代码实现按钮