图像质量的客观评估指标PSNR与SSIM
来源:互联网 发布:网络理财被骗怎么办 编辑:程序博客网 时间:2024/04/29 23:34
- PSNR
- SSIM
- 代码
- 参考文献
1:PSNR
PSNR是最为常用的图像质量评估指标:
其中K为图像对应二进制位数,一般为8。MSE为均方误差,计算公式为:
2:SSIM
SSIM[1]主要用来衡量图像结构完整性,是另一种比较常用的客观评估指标。实际应用中,一般用滑动窗口对图像进行分块,这里的滑动窗口一般为高斯窗口,并用高斯加权计算每个窗口的均值、方差和协方差。这样每块的SSIM计算如下:
其中:
文献[1]给出公式中默认参数:窗口w为11*11的高斯窗口;其中K1=0.01,K2=0.02,L=255,C1=(K1*L)^2,C2=(K2*L)^2
3:代码
问题在于给定了一副彩色图片,彩色图片有RGB三通道,如何计算其PSNR或者SSIM值,方法有以下三种(以PSNR为例):
(1)计算彩色图像RGB三通道每一通道的PSNR值,然后求均值
(2)计算彩色图像RGB三通道每一通道的MSE值,求平均,然后再代入求PSNR
(3)求图像YUV空间中的Y分量,仅仅计算Y分量的PSNR值(YUV空间中Y表示亮度信息,UV分别为浓度偏移分量,在视频编解码中比较常用)
其中方法(2)和(3)比较常用,下面给出方法(2)和(3)的c++代码:
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
最后参考网友[2]给出的一份matlab代码,仅针对方法(3)中的Y分量。
psnr.m:
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
ssim.m
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
- 190
- 191
- 192
- 193
- 194
- 195
- 196
- 197
- 198
- 199
- 200
- 201
- 202
- 203
- 204
- 205
- 206
- 207
- 208
- 209
- 210
- 211
- 212
- 213
- 214
- 215
- 216
- 217
- 218
- 219
- 220
- 221
- 222
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
- 39
- 40
- 41
- 42
- 43
- 44
- 45
- 46
- 47
- 48
- 49
- 50
- 51
- 52
- 53
- 54
- 55
- 56
- 57
- 58
- 59
- 60
- 61
- 62
- 63
- 64
- 65
- 66
- 67
- 68
- 69
- 70
- 71
- 72
- 73
- 74
- 75
- 76
- 77
- 78
- 79
- 80
- 81
- 82
- 83
- 84
- 85
- 86
- 87
- 88
- 89
- 90
- 91
- 92
- 93
- 94
- 95
- 96
- 97
- 98
- 99
- 100
- 101
- 102
- 103
- 104
- 105
- 106
- 107
- 108
- 109
- 110
- 111
- 112
- 113
- 114
- 115
- 116
- 117
- 118
- 119
- 120
- 121
- 122
- 123
- 124
- 125
- 126
- 127
- 128
- 129
- 130
- 131
- 132
- 133
- 134
- 135
- 136
- 137
- 138
- 139
- 140
- 141
- 142
- 143
- 144
- 145
- 146
- 147
- 148
- 149
- 150
- 151
- 152
- 153
- 154
- 155
- 156
- 157
- 158
- 159
- 160
- 161
- 162
- 163
- 164
- 165
- 166
- 167
- 168
- 169
- 170
- 171
- 172
- 173
- 174
- 175
- 176
- 177
- 178
- 179
- 180
- 181
- 182
- 183
- 184
- 185
- 186
- 187
- 188
- 189
- 190
- 191
- 192
- 193
- 194
- 195
- 196
- 197
- 198
- 199
- 200
- 201
- 202
- 203
- 204
- 205
- 206
- 207
- 208
- 209
- 210
- 211
- 212
- 213
- 214
- 215
- 216
- 217
- 218
- 219
- 220
- 221
- 222
参考文献
[1] Image Quality Assessment: From Error Visibility to Structural Similarity
[2]http://download.csdn.net/download/xiaohaijiejie/9058653
[3]http://blog.csdn.net/xiaxiazls/article/details/47952611
- 图像质量的客观评估指标PSNR与SSIM
- 图像质量的客观评估指标PSNR与SSIM
- 图像质量评估指标 SSIM / PSNR / MSE
- 图像质量评估psnr ssim mse
- 图像质量评估PSNR和SSIM
- 图像质量评估(PSNR+SSIM)-C++
- 视频质量客观评价PSNR和SSIM
- 两种常用的全参考图像质量评价指标--PSNR和SSIM
- 图像质量评价:SSIM&PSNR
- psnr ssim图像评价指标解释
- 图像压缩质量评价PSNR和SSIM
- 两幅相同大小图像的相似程度的两个评价指标-PSNR和SSIM
- 图像质量评估算法 SSIM(结构相似性)
- 全参考客观视频质量评价方法 (MSE, PSNR,SSIM)原理
- 全参考客观视频质量评价方法 (MSE, PSNR,SSIM)原理
- 全参考客观视频质量评价方法 (MSE, PSNR,SSIM)原理
- SSIM与PSNR的计算方式
- 视觉项目中评估图像质量的关键指标
- mysql索引 mysql中select 查询条件随谈
- 17. Letter Combinations of a Phone Number -Medium
- nginx,配置http和https共存
- 职责链模式
- 欢迎使用CSDN-markdown编辑器
- 图像质量的客观评估指标PSNR与SSIM
- 史上最全的互联网思维精髓总结
- Hive的安装及配置
- 待解决的事情
- 1018: 算法提高 乘法运算
- oj2027: 求三角形面积
- 【Python】系列简记--28 文件操作
- Python学习笔记(1)-字符串,列表,元组,分支,循环.
- code hunt JAVA02