图像质量评估指标
相关文献：Image quality assessment: from error visibility to structural similarity
对于最终由人类观看图像的应用，量化视觉图像质量的唯一“正确”方法是通过主观评估。然而，在实践中，主观评估通常过于不便、耗时且昂贵。客观图像质量评估研究的目标是开发能够自动预测感知图像质量的量化指标。
1.MSE(Mean Squared Error）
均方误差，计算原始图像和失真像象素差值的均方值，然后通过均方值的大小来确定失真图像的失真程度。公式如下：
其中M、N为图像的长和宽，fij表示原始图像的象素值，f’ij表示降质后图像的象素值。
2.PSNR（Peak Signal-to-Noise Ratio）
峰值信噪比，即峰值信号的能量与噪声的平均能量之比，通常表示的时候取 log 变成分贝（dB），一般取值范围为20-40，数值越大，表示失真越小。
PSNR是一个表示信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值的工程术语，它作为信号的失真测度，常用作图像压缩等领域中信号重建质量的测量方法。
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。
3.SSIM（structural similarity）
结构相似性，公式基于三个比较衡量，包括亮度（luminance），对比度（contrast）和结构（structure）。
一般取值范围：0-1。值越大，图像质量越好。
算法框图如下
基本流程为：对于输入的x和y，首先计算出luminance measurement，进行比对，得到第一个相似性有关的评价；在减去luminance的影响，计算contrast measurement，比对，得到第二个评价；在用上一步的结果除掉contrast，在进行structure的比对。最后将结果combine，得到最终的评价结果
从实现角度来讲，亮度用均值表征，对比度用经过均值归一化之后的方差表征，结构用相关系数（就是统计意义上的 r ，协方差与方差乘积的比值）。