이미지 품질 측정은 이미지 처리, 압축 및 전송과 같은 다양한 분야에서 필수적입니다. 사용되는 두 가지 일반적인 메트릭은 피크 신호 - 투 - 노이즈 비율 (PSNR) 및 구조 유사성 지수 (SSIM)입니다. 이 문서는 연습에서 이러한 메트릭을 계산하는 방법을 설명합니다.

PSNR 이해

PSNR는 압축 또는 가공된 이미지와 그것의 본래 버전 사이 다름을 측정합니다. 그것은 decibels (dB)에서 표현됩니다. 더 높은 PSNR 가치는 더 나은 질을 나타냅니다.

PSNR을 계산하기 위해, 첫 번째는 두 이미지 사이의 평균 심층 오류 (MSE)를 계산합니다.

MSE = (1 / (폭 × 높이)) × Σ (I original - I processed)2

그런 다음 PSNR는 다음과 같이 계산됩니다.

PSNR = 10 × 로그10 (MAX I2 / MSE)

MAX I는 이미지의 최대 가능한 픽셀 값입니다 (예를 들어, 8 비트 이미지의 255).

SSIM 이해

SSIM은 발광성, 대비, 구조에 따라 두 개의 이미지 사이의 유사성을 평가합니다. -1과 1 사이의 값을 제공하며, 1은 동일한 이미지를 나타냅니다.

SSIM 인덱스는 공식을 사용하여 계산됩니다.

⋅ xμ y + C1 (2σ xy + C2)] / [(μ x2 + μ y2 + C1)(σ x2 + σy2 + C2)]

μ x와 μ y는 이미지 x와 y, σ x2 및 σ y2의 의미는 다양합니다. σ xy는 covariance이며 C1, C2는 부서를 안정화시키는 상수입니다.

실제 계산 팁

이 계산을 실행하는 것은 일반적으로 Python의 OpenCV 또는 scikit-image와 같은 이미지 처리 라이브러리를 사용하여 포함합니다. 이 라이브러리는 PSNR 및 SSIM을 직접 컴파일하는 기능을 제공하며 프로세스를 단순화합니다.

  • 이미지를 동일한 크기와 색상 공간에 노출합니다.
  • 정확성에 대한 부동점 표현을 사용합니다.
  • 필요한 경우 적절한 정상화 적용.
  • 기존의 라이브러리 기능을 효율화