一、什么是峰值信噪比？
想象你在嘈杂的房间里听音乐：
音乐的最大音量是100分贝（峰值信号）
房间的背景噪音是20分贝（噪声）
峰值信噪比就是100
=
80分贝
正式定义： />峰值信噪比是信号的最大可能功率与损害其质量的噪声功率之间的比值，通常用对数分贝（dB）表示。 在图像/视频压缩领域，它是衡量重建质量最常用的客观指标。 通俗理解： 就像评价一张照片压缩后的清晰度 原始照片是"完美信号" 压缩后的模糊、块状效应是"噪声" PSNR 越高，压缩后的照片越接近原图 数学公式： /> 其中： MAX：像素的最大可能值（8位图像为255） MSE：均方误差 的对数变换： (8位图像) dB dB dB dB dB 为什么用对数： 人眼对亮度的感知是对数关系 压缩质量通常用 表示更直观 便于表示很大范围的数值 变化意味着功率翻倍或减半： +3dB：信号功率变为 倍 -3dB：信号功率变为 1/2 +10dB：信号功率变为 倍 -10dB：信号功率变为 1/10 PSNR 40.7（1/4） PSNR 10.2（1/16） 对数变换 详细步骤： 计算原始图像和失真图像之间的 值（8位：255，10位：1023，12位：4095） 代入公式 彩色图像处理 对于彩色图像，有三种常见处理方式： PSNR 通常最常用的是只计算亮度分量（Y）的 PSNR，因为人眼对亮度更敏感。 /> 有时也使用PSNR-YUV（对亮度和色度分别计算后加权）。 图像质量分级（8位图像） 范围 dB dB dB dB dB dB/>
二、PSNR
MSE PSNR 质量评价 1 48.1 极好 10 38.2 很好 100 28.1 可接受 400 22.1 较差 1000 18.1 很差 2.
每增加
42dB
/>
三、PSNR
MAX
方法 计算方式 特点 分别计算 分别算 Y、Cb、Cr
了解各分量质量 加权平均 根据人眼敏感度加权 更符合视觉 整体MSE 将所有像素一起算 简单但忽略色彩差异 3.
PSNR
/>
四、PSNR
PSNR 质量等级 主观感受 典型应用 > 极好 几乎看不出差异 无损压缩、医疗影像 42 很好 仔细看才能发现 高质量 好 轻微可见失真 普通 可接受 明显但可容忍 网络视频、手机拍摄 24 差 明显失真 低码率压缩 < 很差 严重劣化 过度压缩 2.
PSNR
对照
| MSE | 8位PSNR | 10位 PSNR | 质量 |
|---|---|---|---|
| 1 | 48.1dB | 60.0 dB | 极好 |
| 10 | 38.2dB | 50.1 dB | 很好 |
| 100 | 28.1dB | 40.0 dB | 可接受 |
| 400 | 22.1dB | 34.0 dB | 较差 |
注意：不同位深度的
PSNR
范围
| 压缩标准 | 码率 | 典型 PSNR | 用途 |
|---|---|---|---|
| JPEG | 高质量(10:1) | 42-45 dB | 照片存储 |
| JPEG | 中等(20:1) | 36-40 dB | 网页图片 |
| JPEG | 低质量(30:1) | 30-34 dB | 缩略图 |
| H.264 | 高清 dB | 蓝光 | |
| H.264 | 标清 dB | 网络视频 | |
| HEVC | 超高清 | 40-44 dB | 4K视频 |
/>五、PSNR
图像压缩评估
场景：评估
JPEG、WebP、HEIF
参考原始图像
实际案例：
测试
JPEG
200KB
找到质量和体积的平衡点
2.
视频编码优化
场景：H.264、H.265/HEVC、AV1
编码器调优
码率-失真优化：
在给定码率下追求最高
PSNR
下追求最低码率
率失真曲线：
PSNR码率
3.
图像去噪评估
场景：比较不同去噪算法的效果
干净图像加噪声
越高，表示去噪后越接近原始干净图像。
4.
超分辨率重建
场景：评估
SRGAN、EDSR
高分辨率图像
与真实高分辨率图像计算
PSNR
衡量细节恢复能力
5.
图像水印评估
场景：评估水印对图像质量的影响
原始图像
>
40dB）
保证水印不可见
6.
医学影像
场景：CT、MRI
图像压缩和传输
医疗图像要求极高保真度
通常要求
PSNR
48dB
确保诊断信息不丢失
/>六、PSNR
的优缺点
优点
| 优点 | 说明 |
|---|---|
| 计算简单 | 只需 MSE，计算快速 |
| 数学意义明确 | 基于像素误差的严格数学定义 |
| 广泛使用 | 便于不同研究之间的比较 |
| 有物理意义 | dB 单位直观，有明确参考 |
| 与码率相关 | 可做率失真优化 |
缺点
| 缺点 | 说明 | 例子 |
|---|---|---|
| 不符合人眼视觉 | 同样 PSNR，不同失真类型主观感受差异大 | 模糊 块效应 |
| 忽略结构信息 | 只考虑像素差异，不考虑空间关系 | 平移后PSNR很低但内容相同 |
| 对几何失真不敏感 | 轻微旋转/缩放导致PSNR剧降 | 图像配准评估失效 |
| 亮度敏感度偏差 | 人眼对不同亮度误差敏感度不同 | 暗部误差更明显 |
| 无内容感知 | 平滑区域和纹理区域的误差一视同仁 | 纹理区误差不易察觉 |
/>七、PSNR
典型反例
案例1：模糊
块效应
图像A：轻微模糊，PSNR
=
38dB
图像B：轻微块效应，PSNR
=
38dB
主观感受：块效应更讨厌
案例2：平移图像
原始图像向右平移1像素
PSNR
25dB（很差）
但内容完全相同，人眼看不出差异
案例3：亮度偏移
整体亮度调暗
30dB
但人眼能自动适应
2.PSNR
的改进方向
| 改进指标 | 原理 | 特点 |
|---|---|---|
| SSIM | 比较亮度、对比度、结构 | 更符合人眼，范围 [0,1] |
| MSSIM | 多尺度 SSIM | 更全面 |
| VIF | 视觉信息保真度 | 基于信息理论 |
| VMAF | Netflix 开发的综合指标 | 结合机器学习 |
| PSNR-HVS | 考虑人眼对比敏感度 | 改进版 PSNR |
/>八、PSNR
选择合适的参考
全参考：有原始图像（最常见）
部分参考：只有部分特征
无参考：没有原始图像（盲评估）
2.注意边界效应
计算
时通常去掉图像边界像素：
避免边界处理算法的影响
通常去掉
8-16
多帧平均
对于视频，可以：
计算每帧
PSNR
取平均值
关注
PSNR
波动（稳定性）
4.
结合主观评价
实验室标准：
PSNR
>
40dB：客观质量好
仍需主观测试验证
最终以人眼为准
/>
