2.7 圖像質量評價

圖像是人們獲取信息的重要途徑，其所承載的信息非常豐富。圖像在獲取、處理、傳輸和存儲的過程中，由于各種因素的影響，將可能影響到圖像質量，這給圖像的后期處理帶來了一定的困難。因此，建立圖像質量評價機制具有重要的意義，是圖像處理工程的基礎技術之一。

2.7.1 圖像質量評價方法

圖像質量評價涉及圖像處理的許多方面，如壓縮、傳輸、存儲、增強、水印等。一個有效的評價標準至少具有三種應用：第一，可以在質量控制系統(tǒng)中檢測圖像質量，例如圖像采集系統(tǒng)利用其來自動調整系統(tǒng)參數，從而獲得更高質量的圖像；第二，用于衡量圖像處理系統(tǒng)和算法的有效性；第三，可以嵌入到圖像處理系統(tǒng)中用于優(yōu)化系統(tǒng)和參數設置，在視頻通信系統(tǒng)中，質量標準既能輔助編碼端的預濾波和比特分配算法的設計，又能輔助解碼端的最優(yōu)重構、誤差消除和后濾波算法的設計。

圖像質量評價可分為主觀評價和客觀評價兩大類方法。主觀評價法主要憑借評價人員的主觀感知來評價圖像質量；客觀評價法依據評價的數學模型給出量化指標，模擬人類視覺系統(tǒng)感知機制衡量圖像質量。圖像質量評價還有一些其他評價方法，如根據有無參考圖像又可以將圖像質量評價方法分為有參考評價模型和無參考評價模型。有參考評價模型是指根據一幅參考圖像，對經過處理的圖像進行評價。在圖像復原、圖像去模糊化等處理時常采用這種評價方法。無參考評價模型是指沒有參考圖像，直接根據圖像的統(tǒng)計特性或觀察者對圖像的主觀打分進行質量評價。

圖像質量的主觀評價方法（mean opinion score, MOS）考慮了觀察者對圖像的理解效果，常用方法包括平均主觀分值法（MOS）和差分主觀分值法（DMOS）。平均主觀分值法是通過不同觀測者對于圖像質量評價得出的主觀分值進行平均來得到歸一化的分值，以該分值表示該圖像質量。評價標準分為優(yōu)、良、中、差、劣五等。對應這五個標準有兩種類型的分值，即圖像主觀絕對分值和圖像主觀相對分值。主觀絕對分值是觀測者對于圖像本身的主觀分值，主觀相對分值是觀測者對于圖像在一組圖像中的相對其他圖像的分值。由于主觀評價方法受到觀察者知識背景、觀測目的和環(huán)境等影響，穩(wěn)定性和可移植性差，且難以用數學模型進行表達。

客觀質量評價是指使用一個或多個圖像質量的度量指標，建立與圖像質量相關的數學模型，采用計算機自動計算出圖像質量，其目標是客觀評價結果與人的主觀感受相一致。

2.7.2 均方誤差

圖像質量的均方誤差評價（mean square error, MSE）方法是一種常用的圖像質量評價方法，它是指被評價圖像與參考圖像對應位置像素值誤差的平方均值誤差。假設有一幅參考圖像f（x，y），另有一個受到污染的圖像g（x，y），如欲對圖像g（x，y）進行質量評價，其均方誤差計算公式為

根據均方誤差的定義，誤差值越大，說明圖像像素值整體差異大，圖像質量越差；反之，均方誤差越小，說明圖像質量越好。均方誤差為0，則被評價圖像與參考圖像完全一致。

2.7.3 信噪比與峰值信噪比

圖像的信噪比也是常用的圖像質量評價指標之一，是參考圖像像素值的平方均值與均方誤差比值的對數的10倍。若一幅參考圖像用f（x，y）表示，而受到污染的圖像用g（x，y）表示，如欲對圖像g（x，y）進行質量評價，其信噪比（signal noise ration, SNR）誤差計算公式為

由式（2-7）可以看出，在均方誤差相同的情況下，對于不同的圖像，由于像素值不同，其信噪比很可能不一樣。

為了消除圖像自身像素值大小對評價指標產生的影響，通常采用峰值信噪比（peak signal noise ration, PSNR），這是一種與信噪比相似的質量度量準則。PSNR定義為圖像所容許的最大像素值平方與均方誤差比值的對數的10倍。如以8位灰度圖像為例，由于最大像素值為255，因此峰值信噪比公式為

2.7.4 結構相似度

在圖像質量評價機制中，研究人員發(fā)現MSE、SNR、PSNR等評價方法有時可能與人的視覺感受出現較大的差異。為此，近年來研究了很多更接近人類視覺特性的客觀評價方法。其中得到廣泛應用和認可的是Wang等研究人員提出的結構相似度（structral similarity, SSIM）評價法。

結構相似度評價方法考慮了兩幅圖像的亮度、對比度和結構等因素對相似性的影響。圖2-15所示是結構相似度算法流程。

Wang提出的結構相似度的計算模型為

一般取α=β=γ=1，l（x，y）、c（x，y）、s（x，y）分別為亮度相似度、對比度相似度和結構相似度的度量值，為三個正數，用于調節(jié)不同因素的影響權重。亮度、對比度和結構相似度分別定義如下：

其中，μx，μy，σx，σy，σxy分別為兩幅圖像的均值、標準差和協(xié)方差；c1、c2和c3為三個遠小于最大灰度值平方的常數，通常取值為c1=（k1L）2，c2=（k2L）2，c3=c2/2，k1、k2取遠小于1的數，L是指像素的最大值，通常取k1=0.01，k2=0.03，L=255，計算方法如下：

該方法基于光照對于物體結構是獨立的，而光照改變主要來源于亮度和對比度，所以它將亮度和對比度從圖像的結構信息中分離出來，并結合結構信息對圖像質量進行評價。基于這一類原理的方法在一定程度上避開了自然圖像內容的復雜性及多通道的去相關問題，直接評價圖像的結構相似性。SSIM的值域范圍為［0，1］，并且滿足距離度量的三個性質。

SSIM的值域范圍為［0，1］，并且滿足距離度量的三個性質。

（1）對稱性：SSIM（x，y）=SSIM（y，x）。

（2）有界性：0≤SSIM（x，y）≤1。

（3）最大值唯一性：SSIM（x，y）=1?x=y。

考慮到圖像的亮度和對比度與圖像內容具有密不可分的關系，無論是亮度還是對比度，在圖像的不同位置可能有不同的值，因此，實際應用中通常可將圖像分為多個子塊，分別計算各個子塊的結構相似度，然后由各個子塊的相似度計算出平均相似度（mean structure similarity），以該平均值作為兩幅圖像的結構相似度。