图像质量评估算法PSNR、MS-SSIM

发表于 |

PSNR计算

psnr是“Peak Signal to Noise Ratio”的缩写，即峰值信噪比，是一种评价图像的客观标准，衡量原图像与被处理图像之间的均方误差，单位db。两个图像之间PSNR值越大，则越相似。普遍基准为30dB，30dB以下的图像劣化较为明显。公式如下：$$PSNR=10\times log_{10}(\frac{(2^{n}-1)^{2}}{MSE})$$ n为图像位数(注意即使为RGB三通道图像：n==8)，MSE是原图像与测试图像所有像素之间的误差平方和，再取平均（如下代码所示）

1
2
3
4
5
6
7
8
9
10
class PsnrEstimator(object):
    """psnr评估器
    """
    def func(self):
        se = tf.square(self.tf_origin_image - self.tf_recon_image)
        mse = tf.reduce_mean(se) # 每个通道分别计算MSE取平均
        psnr = tf.cond(tf.equal(mse, 0),
                       lambda: tf.constant(100, dtype=tf.float32),
                       lambda: 10 * (tf.log(255 * 255 / mse) / np.log(10))) # 换底公式
        return se, psnr

另外需要注意的一点是，假如计算图像残差的PSNR，因为本身残差图像像素值就很小，所以即使训练的图像与原始残差PSNR值较高，但差距依然可能很大。所以对于残差图像的PSNR，要求要更加严格。