深度学习——图像相似度评价指标

PSNR（Peak Signal-to-Noise Ratio，峰值信噪比）

定义

峰值信噪比(PeakSignal toNoiseRatio，PSNR)，表示的是信号的最大功率与噪声功率的比值。峰值信噪比越高，表示噪声影响越小;峰值信噪比越低，表示噪声影响越大，单位是分贝dB。PSNR是基于像素值的全局评估，不考虑图像的结构信息。

1. PSNR接近50dB：表示压缩后的图像质量非常高，仅有非常小的误差。在这种情况下，原始图像和压缩后的图像之间的差异几乎不可察觉。
2. PSNR大于30dB：通常认为，人眼很难察觉到这种压缩水平下图像的失真。这意味着压缩后的图像在视觉上与原始图像非常接近。
3. PSNR介于20dB到30dB之间：在这个范围内，人眼可以开始察觉到图像的一些差异，但这些差异通常不会太显著。
4. PSNR介于10dB到20dB之间：在这个范围内，人眼可以较为明显地看出图像的差异，但仍然可以辨识出图像的基本结构。尽管存在失真，但人们可能仍然会认为两张图像是相似的。
5. PSNR低于10dB：当PSNR值非常低时，图像的质量会显著下降，以至于人眼很难判断两个图像是否为同一场景的图像，或者一个图像是否为另一个图像的有效压缩版本。

公式

假设原始图像是$x$，生成图像是$y$,图像大小是$H\times W$,两张图像的均方差公式$(MSE)$定义为：$$MSE=\frac{1}{HW}\sum _{i=0}^{H-1}\sum _{j=0}^{W-1}(x_{ij}-y_{ij}{)}^2$$ 我们假设图像是$B$位图像，像素的最大值$MAX=2^B-1$,例如如果是8位图像，图像最大值为255，$PSNR$的公式可以定义为:
$$PSNR=10lo{g}_{10}(\frac{MA{X}^2}{MSE})$$

代码

from PIL import Image
import numpy as np

def psnr(img1, img2):
    mse = np.mean((img1-img2)**2)
    if mse == 0:
        return float('inf')
    else:
        return 20*np.log10(255/np.sqrt(mse))
        
if __name__ == "__main__":
	img1 = np.array(Image.open('original.jpg')).astype(np.float64)
	img2 = np.array(Image.open('compress.jpg')).astype(np.float64)
    print(psnr(img1, img2))

SSIM

我们假设原图为$x$,生成图像为$y$.其均值和方差分别为${\mu }_x,{\mu }_y,{\sigma }_x,{\sigma }_y$。他们的协方差为${\sigma }_{x,y}$,我们从三个角度考虑图像的相似度，亮度(luminance)，对比度(contrast)，结构(structure)

亮度相似度比较: $l(x,y)=\frac{2{\mu }_x{\mu }_y+c_1}{{\mu }_x^2+{\mu }_y^2+c_1}$

对比相似度比较: $c(x,y)=\frac{2{\sigma }_x{\sigma }_y+c_2}{{\sigma }_x^2+{\sigma }_y^2+c_2}$

结构相似度比较: $s(x,y)=\frac{{\sigma }_{xy}+c_3}{{\sigma }_x{\sigma }_y+c_3}$

$$SSIM=l(x,y)c(x,y)s(x,y)=\frac{(2{\mu }_x{\mu }_y+c_1)(2{\sigma }_{x,y}+c_2)}{({\mu }_x^2+{\mu }_y^2+c_1)({\sigma }_x^2+{\sigma }_y^2+c_2)}$$

其中$c_1,c_2,c_3$是稳定除法运算的常数，$c_1=(k_{1}L{)}^2,c_2=(k_{2}L{)}^2,c_3=c_2/2$,$L$是像素值的动态范围$2^B-1$，默认值：$k_1=0.01,k_2=0.03$

然而，上面的 SSIM 不能用于一整幅图。因为在整幅图的跨度上，均值和方差往往变化剧烈；同时图像上不同区块的失真程度也有可能不同，不能一概而论；此外类比人眼睛每次只能聚焦于一处的特点，作者采用 sliding window 以步长为 1 计算两幅图各个对应 sliding window 下的 patch 的 SSIM，然后取平均值作为两幅图整体的 SSIM，称为 Mean SSIM，简写为 M-SSIM。代码中，计算每个 patch 的均值和方差时，作者采用了方差为 1.5 的高斯卷积核作加权平均，滑窗大小为 11*11 ，如果整幅图有 M 个 patch，那么 Mean-SSIM 公式为：
$$Mean-SSIM=\frac{1}{M}\sum _m^{M}SSIM(x_{patch},y_{patch})$$

MS-SSIM (Multi Scale Structural Similarity Index Measure,多尺度结构相似性)

MS-SSIM（多尺度结构相似性指数）是SSIM（结构相似性指数）的扩展版本，用于评估图像质量。它通过多个尺度来捕捉图像的结构信息，从而更全面地评估图像相似度。MS-SSIM的公式如下：

$$\text{MS-SSIM}(x,y)=[l_M(x,y){]}^{{\alpha }_M}\cdot \prod _{j=1}^M[c_j(x,y){]}^{{\beta }_j}\cdot [s_j(x,y){]}^{{\gamma }_j}$$

其中：

• $x$ 和 $y$ 分别是待比较的两幅图像。
• $ M $ 是尺度的总数。
• $l_M(x,y)$ 是在第 M 个尺度上的亮度比较。
• $c_j(x,y)$是在第 j 个尺度上的对比度比较。
• $s_j(x,y)$ 是在第 j 个尺度上的结构比较。
• ${\alpha }_M$,${\beta }_j$, 和${\gamma }_j$ 是权重参数，用于调整各部分的贡献。

CSS （Contrast-Structure Similarity 对比结构相似度）

CSS是SSIM的一个变体，去除了SSIM中的亮度这一项，
$$CSS(x,y)=\frac{2{\sigma }_{xy}+c}{{\sigma }_x^2+{\sigma }_y^2+c}$$

MAE

图像相似度计算中，MAE（Mean Absolute Error，平均绝对误差）是一种常用的指标，用于衡量两幅图像之间的差异。MAE 的计算公式如下：

$$\text{MAE}=\frac{1}{HW}\sum _{i=0}^{H-1}\sum _{i=0}^{W-1}|x_{i,j}-y_{i,j}|$$

FID

FID（Fréchet Inception Distance）是一种用于评估生成图像质量的指标，尤其在生成对抗网络（GAN）中广泛应用。它通过比较生成图像与真实图像的统计特征来衡量相似度。

$$\text{FID}=\Vert {\mu }_g-{\mu }_r{\Vert }^2+\text{Tr}({\Sigma }_g+{\Sigma }_r-2({\Sigma }_g{\Sigma }_r{)}^{1/2})$$

• 其中，$\Vert {\mu }_g-{\mu }_r{\Vert }^2$是均值差的平方，$\text{Tr}$ 是矩阵的迹。

补充协方差

两张图像的协方差公式用于衡量它们之间的线性关系。对于图像 $x$ 和 $y$，假设它们的大小均为 $H\times W$，协方差公式如下：

$$\sigma (x,y)=\frac{1}{HW}\sum _{i=0}^{H-1}\sum _{j=0}^{W-1}(x_{ij}-{\mu }_x)(y_{ij}-{\mu }_y)$$

其中： $x(i,j)$ 和$y(i,j)$分别是图像 $x$和 $y$在像素点 $(i,j)$处的灰度值。${\mu }_x$和 ${\mu }_y$分别是图像 $x$ 和$y$的均值，计算公式为：
$${\mu }_x=\frac{1}{HW}\sum _{i=0}^{H-1}\sum _{j=0}^{W-1}{x}_{ij},{\mu }_y=\frac{1}{HW}\sum _{i=0}^{H-1}\sum _{j=0}^{W-1}{y}_{ij}$$
协方差为正表示两图像变化趋势一致，为负则表示变化趋势相反，接近零则表明两者无明显线性关系。

参考文献

https://zhuanlan.zhihu.com/p/661510928
https://blog.csdn.net/sinat_29957455/article/details/125119550
https://zhuanlan.zhihu.com/p/622244511
代码实现SSIM，MS-SSIM，