图像相似度衡量指标（PSNR、SSIM、LPIPS）

是一种用于衡量图像质量的指标。它是衡量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。是通过计算原始图像和失真图像之间的均方误差（）来衡量的，然后将其转换为一个对数尺度。），值越大表示图像质量越好。

未至千般恨不消

4054人浏览 · 2024-03-12 15:56:51

未至千般恨不消 · 2024-03-12 15:56:51 发布

PSNR

SSIM

LPIPS

PSNR

PSNR （ Peak Signal-to-Noise Ratio ）是一种用于衡量图像质量的指标。它是衡量信号最大功率和噪声功率的比值。 PSNR 通过计算原始图像和失真图像之间的均方误差（ MSE ），然后将其转换为一个对数尺度。 PSNR 的单位是分贝（ dB ），值越大表示图像质量越好。

$\begin{equation} \text{PSNR} = 10 * \log_{10} \left( \frac{\text{MAX}^2}{\text{MSE}} \right) \end{equation}$

其中，MAX 表示图像中最大可能的像素值（对于 8 位灰度图像，MAX = 255），MSE 表示原始图像和失真图像之间的均方误差。

\begin{equation}
\text{MSE} = \frac{1}{n} \sum_{i=1}^n (x_i - y_i)^2
\end{equation}

n 表示图像中像素的数量。
x_i 和 y_i 分别表示原始图像和失真图像的第 i 个像素值。

SSIM

SSIM （ Structural Similarity Index ）是一种用于衡量图像质量评估的指标。它是由德州大学奥斯汀分校的 Zhou Wang 和 Alan Bovik 教授于 2004 年提出的。 SSIM 是一种全参考图像质量评估方法，即它需要一个无损的原始图像作为参考，然后对失真图像进行评估。

SSIM 的基本思想是，将图像分成亮度、对比度和结构三个部分，然后分别计算这三个部分的相似度，并将它们组合成一个总的相似度指数。 SSIM 的值范围在 -1 到 1 之间，值越大表示图像质量越好。

SSIM 的优点是它更接近人类视觉系统的感知，能够更好地反映图像的质量。然而， SSIM 也有一些缺点，例如它对图像的亮度和对比度变化比较敏感，而且在处理复杂失真（如模糊和噪声）时性能较差。

LPIPS

LPIPS （ Learned Perceptual Image Patch Similarity ）是一种用于衡量图像相似性的指标。与传统的图像质量评估方法（如 PSNR 和 SSIM ）相比， LPIPS 更接近人类视觉系统的感知。它通过训练一个深度神经网络来学习图像块之间的相似性，从而能够捕捉到人类视觉系统所关注的细节。

LPIPS 的主要优点是它可以很好地处理模糊、压缩和其他失真类型的图像。此外，它在各种任务中都有很好的表现，如图像去噪、图像修复和图像生成等。

参考：

https://www.bilibili.com/video/BV1eG4y1D73A/?spm_id_from=333.337.search-card.all.click&vd_source=932e04108911758459d2bfeda44bf7dc