映像処理、圧縮、伝送などの様々な分野において、画像の品質を測定することが不可欠です。使用される2つの一般的なメトリックは、ピーク信号対ノイズ比(PSNR)と類似構造インデックス(SSIM)です。この記事では、これらのメトリックを練習で計算する方法について説明します。

PSNRの理解

PSNRは、圧縮された画像と元のバージョンの違いを測定します。 これは、デシベル(dB)で表現されます。 より高いPSNR値は、より良い品質を示しています。

PSNR を計算するには、まず 2 つの画像間での 意味の正方形のエラー (MSE) を計算します。

MSE = (幅×高さ)) × Σ (I original - I processed)2

すると、PSNRは次のように計算されます。

電源電圧: 10 × ログ10 (MAX I2 / MSE)

MAX I が画像の最大ピクセル値 (例: 255 を 8 ビット イメージ) に指定します。

SSIMの理解

SSIMは、発光、コントラスト、構造に基づいて2つの画像と類似性を評価します。 1と1の間の値を提供します。

SSIM インデックスは、式で計算されます。

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

μ x と μ y が画像 x と y の手段である場合、σ x2 と σ y2 は、変数であり、σ xy は共鳴であり、C1、C2 は分割を安定させる定数です。

実用的な計算のヒント

これらの計算を実装する際は、Python の OpenCV や scikit-image などの画像処理ライブラリを利用しています。これらのライブラリは、PSNR と SSIM を直接計算し、プロセスを簡素化する機能を提供します。

  • 同じサイズと色空間にあるイメージを確かめます。
  • フローティングポイント表現を使用して、精度を向上します。
  • 必要に応じて適切な正規化を適用します。
  • 既存のライブラリ機能を効率性に活用します。