图像质量的评价准则

　　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：
　　---------------------------------------------------