Cómo cuantificar la calidad de imagen métrica: Cálculos de psnr y ssim en la práctica

La medición de la calidad de la imagen es esencial en varios campos como el procesamiento de imágenes, compresión y transmisión. Dos métricas comunes se utilizan son Peak Signal-to-Noise Ratio (PSNR) e Índice de Similitud Estructural (SSIM). Este artículo explica cómo calcular estas métricas en la práctica.

Comprender PSNR

PSNR mide la diferencia entre una imagen comprimida o procesada y su versión original. Se expresa en decibeles (dB). Los valores PSNR más altos indican una mejor calidad.

Para calcular PSNR, computar primero el Error Mean Squared (MSE) entre las dos imágenes:

MSE = (1 / (altura del ancho ×)) × gia (I original - I procesado)2

Luego, PSNR se calcula como:

PSNR = 10 × log10 (MAX I2 / MSE)

donde MAX I es el valor máximo posible del píxel de la imagen (por ejemplo, 255 para imágenes de 8 bits).

Entender a SSIM

SSIM evalúa la similitud entre dos imágenes basadas en la luminancia, el contraste y la estructura. Proporciona un valor entre -1 y 1, donde 1 indica imágenes idénticas.

El índice SSIM se calcula utilizando la fórmula:

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

donde μ x y μ y son los medios de imágenes x y y, σ x2 y σ y2 son las diferencias, σ xy es la covariancia, y C1, C2 son constantes para estabilizar la división.

Consejos de cálculo prácticos

La implementación de estos cálculos implica normalmente el uso de bibliotecas de procesamiento de imágenes como OpenCV o imagen de scikit en Python. Estas bibliotecas proporcionan funciones para calcular PSNR y SSIM directamente, simplificando el proceso.