图像质量评价准则
  图像质量评价准则主要分为两类:客观评价准则 与 主观评价准则。
  一:主观评价准则
  -------------------------------------
  主观评价方法:选择一组评价者为待评图像进行打分,对这些打分进行平均获得一个主观评价分。
  Subjective quality assessment can be applied by visual perception or mean opinion score (MOS), which has been used in ITU-T p.910, a standard in multimedia services. Visual perception is predicated on the observers’ perception without a numerical quantification. MOS is defined as the average of the quality values ranging from1 to 5that are obtained from observers.
  计算方法:

  缺点:
  耗费人力,不是自动的,不利于调整参数。
  优点:
  根据人眼的感知,直观并能较精确地评价图片的质量。
  =============================================================================================================
  二:客观评价准则
  -------------------------------------
  客观评价方法:对重建图像与原始图像的差别进行定量的计算。
  方法主要分为两类:相对整个图像  、 与主观视觉感知相关。
  相对整个图像
  相对整个图像的方法有:1:峰值信噪比PSNR(Peak Signal to Noise Ratio),2:结构相似性SSIM(structural similarity) ,3:均方误差MSE(mean square error),4: RMSE(root mean square error),5: corss-correlation ;
  ------------------------------------------------------------
  PSNR:
  优点:算法简单,检查的速度快。
  缺点:呈现的差异值与人的主观感受不成比例。
  -------------------------------------------------------------
  SSIM:
  优点:改进了PSNR的缺点。
  缺点:结构相似性指标有其限制,对于影像出现位移、缩放、旋转(皆属于非结构性的失真)的情况无法有效的运作。为解决此问题,另已发展出在小波域进行运算的结构相似性指标,称作复小波结构相似性指标[8](英文:complex wavelet SSIM,CW-SSIM)。
  计算公式与原理:参考维基百科 词条 结构相似性
  源码:opencv源码可参考 opencv教程 : opencv的视频输入和相似度测量
  --------------------------------------------------------------------------------------------------
  --------------------------------------------------------------
  MSE | PSNR | SNR | MAE 的 计算方法:
  ---------------------------------------------------