Die Messung der Bildqualität ist in verschiedenen Bereichen wie Bildverarbeitung, Kompression und Übertragung von wesentlicher Bedeutung. Zwei gängige Metriken sind Peak Signal-to-Noise Ratio (PSNR) und Structural Similarity Index (SSIM).

PSNR verstehen

PSNR misst die Differenz zwischen einem komprimierten oder verarbeiteten Bild und seiner Originalversion, ausgedrückt in Dezibel (dB). Höhere PSNR-Werte zeigen eine bessere Qualität.

Um PSNR zu berechnen, berechnen Sie zuerst den Mean Squared Error (MSE) zwischen den beiden Bildern:

MSE = (1 / (Breite × Höhe)) × Σ (I original - I processed)2

PSNR wird berechnet als:

PSNR = 10 × log10 (MAX I2/MSE)

wobei MAX I der maximal mögliche Pixelwert des Bildes ist (z. B. 255 für 8-Bit-Bilder).

SSIM verstehen

SSIM bewertet die Ähnlichkeit zwischen zwei Bildern basierend auf Luminanz, Kontrast und Struktur und liefert einen Wert zwischen -1 und 1, wobei 1 identische Bilder anzeigt.

Der SSIM-Index wird nach der Formel berechnet:

SSIM = [(2μ xμ y + C1)(2σ xy + C2)] / [(μ x2 + μ y2 + C1)(σ x2 + σ y2 + C2)]

Dabei sind μ x und μ y die Mittelwerte der Bilder x und y, σ x2 und σ y2 die Varianzen, σ xy die Kovarianz und C1, C2 Konstanten zur Stabilisierung der Division.

Praktische Berechnungstipps

Die Umsetzung dieser Berechnungen beinhaltet in der Regel die Verwendung von Bildverarbeitungsbibliotheken wie OpenCV oder scikit-image in Python, die Funktionen zur direkten Berechnung von PSNR und SSIM bereitstellen, wodurch der Prozess vereinfacht wird.

  • Stellen Sie sicher, dass Bilder in der gleichen Größe und im gleichen Farbraum sind.
  • Verwenden Sie Gleitkommadarstellungen für die Genauigkeit.
  • Richtige Normalisierung anwenden, wenn nötig.
  • Verwenden Sie vorhandene Bibliotheksfunktionen für Effizienz.