图像质量的评价指标【PSNR/SSIM/LPIPS/IE/NIE/Prepetual loss】

原创 已于 2023-02-22 15:53:41 修改 · 4.3k 阅读 · 24
标签
#计算机视觉 #图像处理 #人工智能
于 2023-02-21 16:34:55 首次发布
文章详细介绍了图像处理中的四个关键评价指标：MSE（均方误差）、PSNR（峰值信噪比）、SSIM（结构性相似指数）和LPIPS（感知图像块相似性）。MSE衡量像素差异，PSNR反映了图像的信噪比，SSIM考虑了亮度、对比度和结构，而LPIPS利用深度学习模型评估图像的感知相似度。LPIPS在模拟人类视觉感知方面表现优越。

前言

做插帧这么久了，这几个指标还没系统的研究过，这次开一个博客写下这几个指标的区别
这里贴一个比较全的评价指标的库https://github.com/csbhr/OpenUtility/tree/c9cf713c99523c0a2e0be6c2afa988af751ad161
以以下两张图为例
预测图片
在这里插入图片描述
真实图片
在这里插入图片描述

MSE

MSE(mean squared error)均方误差
公式如下：
在这里插入图片描述
即两张图片对应像素点数的差的平方求平均，这里可以理解为带噪声图像与干净图像之间的噪声
对于这两张0-255的取值范围的图片，MSE的值为20.3308
对于上图真值图片和一张全黑图片（值为0），MSE的值为15907.2259
对于全白图片和全黑图片，MSE的值为255*255=65025

而将该两张图片过Tensor后缩放成0-1之间，MSE的值为0.0003
显然，MSE的值的大小和图片本身是有关的

最低0.47元/天 解锁文章
btee
关注
图像处理之图像质量评价指标PSNR(峰值信噪比)
热门推荐
qq_44111805的博客
11-03 11万+
3、对于以上提出的三种方法，不论使用哪种方法计算PSNR都无所谓，只要保持实验部分都使用同一种方法即可。1、对于RGB图像计算的PSNR值最小，两个方法计算的灰度图像的PSNR基本一样，对于YCbCr图像的Y通道的PSNR值最大。2、注意每次运行主函数main.m文件，输出的PSNR值都会有细微差别，可以对比上下两张图。，可以与上方得到方差为0.001的PSNR结果。4、仅以高斯噪声的参数为讨论，我们将主函数main.m文件的高斯噪声的方差改为。其中MAXI为图像的最大像素值，PSNR的单位为dB。
PSNR、SSIM等图像质量评估指标详解
m0_66890670的博客
12-19 3万+
本文详细介绍了PSNR、SSIM、MSE、MAE、UQI、FSIM、GMSD、LPIPS、DISTS、IFC等图像质量评估指标详解
图像质量评价指标全解析：PSNR、SSIM、NIQE、LPIPS 从原理到代码一网打尽
最新发布
weixin_46200189的博客
04-28 515
PSNR：最快，但最不准，只管像素差。SSIM：比PSNR像人眼，传统任务标配。NIQE：无参考神器，没有GT也能打分。LPIPS：目前最感知、最靠谱，深度模型必用。传统任务看PSNR/SSIM，生成任务看LPIPS/NIQE。
图像生成中图像质量评估指标— LPIPS介绍
u013889591的专栏
07-26 7149
Learned Perceptual Image Patch Similarity（LPIPS）是一种基于深度学习的图像相似度评估指标。与传统的基于误差的评估方法不同，LPIPS利用训练好的神经网络模型来学习图像内容的感知相关性，从而提供一种更符合人类视觉感知的图像质量评价方式。LPIPS通过比较两幅图像的局部感知特征来评估它们的相似度。这些特征是通过在大量的图像对上训练一个深度卷积神经网络得到的，网络学习将图像内容映射到一个低维空间，在这个空间中，人类感知上相似的图像具有较小的距离。
常见的图像质量评估指标SSIM、PSNR、LPIPS
不想学习的打工人的博客
09-18 2万+
现阶段针对有真实参考的图像生成任务，主要有三种评价指标，分别为两种人为设计的指标SSIM和PSNR，也包括深度学习网络抽取到的特征进行对比的LPIPS评价指标。
LPIPS(Learned Perceptual Image Patch Similarity)
weixin_43466026的博客
08-24 3万+
学习感知图像块相似度(Learned Perceptual Image Patch Similarity, LPIPS)也称为“感知损失”(perceptual loss)，用于度量两张图像之间的差别。来源于CVPR2018《The Unreasonable Effectiveness of Deep Features as a Perceptual Metric》，该度量标准学习生成图像到Ground Truth的反向映射强制生成器学习从假图像中重构真实图像的反向映射，并优先处理它们之间的感知相似度。LP
LPIPS 图像相似性度量标准、感知损失（Perceptual loss）
Drug discovery
11-03 5万+
LPIPS 图像相似性度量标准（感知损失）
【变化检测/差异化检测】评估两张图片相似度的多种指标
m0_51738372的博客
12-21 2508
结构相似性指数 (SSIM): 这是一种更先进的方法，用于测量两张图片的视觉结构、亮度和对比度的相似度。SSIM的值在0到1之间，值越接近1，表示图片越相似。均方误差 (MSE): 这是一种简单直观的方法，通过计算两张图片对应像素之间的平方差的平均值来衡量它们的差异。MSE值越低，表明图片越相似。特征匹配: 在更复杂的应用中，如计算机视觉，可以使用基于特征的方法来比较图像。直方图比较: 这种方法通过比较两张图片的色彩分布来判断它们的相似度。余弦相似性:比较两个特征向量的角度，通常用于深度学习特征的比较。
图像评价指标IE， NIE
longshaonihaoa的博客
06-01 831
单独介绍一下图像评价指标 IE和NIE。
SSIM (Structure Similarity Index Measure) 结构衡量指标+代码
豆芽菜
07-31 2972
结构相似指标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。同样MSE下，不同SSIM展现的图片结果：SSIM的取值范围[-1, 1], 具有对成性，边界性，唯一最大性（当且仅当x=y时SSIM=1），是一种距离公式。
图像质量评价指标
Lesel的博客
12-17 4155
，分别为原图、实验图 1.（Mean Square Error）平均平方误差 2.（Signal to Noise Ratio）信噪比，越大越好 3.（Peak Signal to N...
图像质量评估指标——SSIM介绍及计算方法
qq_50001789的博客
06-26 4万+
SSIM全称为Structural Similarity，即结构相似性，用于评估两幅图像相似度的指标，常用于衡量图像失真前与失真后的相似性，也用于衡量模型生成图像的真实性，如图像去雨、图像去雾、图像和谐化等等。SSIM的计算，即每次计算均从图片上取一个尺寸为N×N的窗口，基于窗口计算SSIM指标，，作为。假设x表示第一张图像窗口中的数据，y表示第二张图像窗口中的数据。其中图像的相似性由三部分构成：luminance(亮度)、contrast(对比度)和structure(结构)。
图像处理之图像质量评价指标SSIM(结构相似性)
qq_44111805的博客
11-04 2万+
3、仅以椒盐噪声的参数为讨论，我们将主函数main.m文件椒盐噪声的方差改为0.01，可以与上方得到方差为0.05的SSIM结果进行对比，可以看出得到的SSIM要大很多。SSIM全称为“Structural Similarity Index”，中文意思即为结构相似性，是衡量图像质量的指标之一。2、可以发现开源函数计算的SSIM值总比matlab内置函数计算的SSIM值大，具体原因不可知。1、注意每次运行主函数main.m文件，输出的SSIM值都会有细微差别，可以对比上下两张图。：使用开源结构相似性函数。
图像评价指标（python）
m0_63172128的博客
07-19 1万+
标准差则用于评价图像的对比度，越大表明图像明暗渐变层越多，图像细节越突出越清晰，不失为一种好的评价指标。熵越大说明包含的信息越多，意味着可以从处理后的图像中获取更多的信息，用信息熵来计算图像的熵值。的边界或影线两侧附近灰度有明显差异，即灰度变化率大，这种变化率的大小可用来表示图像。均值代表图像的亮度，越大代表越亮，但是不能单纯的说图像越亮越好，要视情况而定；其中，I是图像像素的值(如RGB值)，(i,j)为像素的。上面说的是简单的梯度定义，其实还有更多更复杂的梯度公式。对比的表达能力，计算。........
SSIM和PSNR表现过好
m0_74982304的博客
05-16 1292
在超分辨率重建任务中，当我使用SSIM和PSNR评估我的模型的时候，神奇的事情发生了，我发现我模型的表现远远优于论文，比如PSNR一般在20-40，而我的在70+，并且我的SSIM都在0.9999+。我随机生成了两个numpy的随机数，发现SSIM仍然是0.9990+，终于知道不是我的模型好，而是代码出问题了。这里SSIM仍然高的原因是我用DIV2K进行训练，这是在DIV2K的验证集上进行验证，换到别的不同分布的数据集就会变低。附上上一篇文章要附的代码。
飞桨 StarGAN-v2 论文心得
gbstack08的专栏
08-06 1316
StarGAN-v2是一个可以实现图像到图像转换的GAN网络，前身是StarGAN. 相较于前作，功能上的一个不同是添加了“域”的转换
PSNR和SSIM
Kester_的博客
01-20 2149
PSNR和SSIM解释 解释 PSNR 全称 Peak Signal-to-Noise Ratio，峰值信噪比，与两张图片的均方误差成反比，因此两张图片差距越小，PSNR 越大。 SSIM 全称 Structural SIMilarity，结构相似性，基于两张图片的亮度、对比度、结构进行比较，两张图片越相似，SSIM 越大。 ...
图像质量评估指标——PSNR介绍及计算方法
qq_50001789的博客
06-26 1万+
PSNR全称为Peak Signal to Noise Ratio，即峰值信噪比，是一种评价图像的客观标准，经常用于计算两幅图像的可视化误差，如衡量原图与经过压缩后图像之间的可视化差异、生成网络生成的图像与真实图像之间的差异等等。
图像生成中图像质量评估指标—SSIM（结构相似性指数）介绍
u013889591的专栏
07-25 5590
结构相似性指数（Structural Similarity Index，简称SSIM）是一种用于评估两幅图像视觉相似度的指标。它不仅考虑了图像的亮度和对比度，还考虑了图像的结构信息。SSIM是图像质量评价中的一个重要指标，尤其在需要模拟人眼视觉系统时更为重要。SSIM通过比较两幅图像的亮度、对比度和结构来衡量它们的相似性。它是一个无量纲的指标，通常取值范围在0到1之间，值越接近1表示图像越相似。
图像质量指标：峰值信噪比PSNR和结构相似性SSIM
laonafahaodange的博客
12-05 6362
图像质量指标 PSNR（Peak Signal-to-Noise Ratio 峰值信噪比） PSNR（Peak Signal-to-Noise Ratio），峰值信噪比，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。由于许多信号都有非常宽的动态范围，所以峰值信噪比常用对数分贝单位来表示。 以灰度图为例，设大小均为m×nm \times nm×n原始图像和处理图像分别为IoI_oIo​和IpI_pIp​，均方误差（MSE）定义为 MSE=1mn∑i=0m−1∑j=0m−1[Io
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值