/>

二、SSIM

将图像相似度分解为三个独立部分的乘积：

α=β=γ=1，简化为：

/>

2.

三个维度的物理意义

其中：

• μx,μy​：图像块的均值（亮度）

• σx,σy：图像块的标准差（对比度）

• σxy：图像块的协方差（结构相似度）

• C1,C2,C3：防止分母为零的小常数

3.

直观理解

用一张风景画来理解三个维度：

原始图像：
亮度比较：
通常不是对整个图像一次性计算，而是用滑动窗口：
窗口类型
大小
特点
方形窗口
8×8,
11×11
最常用，计算简单
高斯加权窗口
11×11,
σ=1.5
中心像素权重高，更合理
自适应窗口
动态调整
根据图像内容变化
标准做法：11×11
的高斯加权窗口，σ=1.5，逐像素滑动。
3.
整体图像
1]：
SSIM
值
相似度
含义
1
完全相同
两张图一模一样
0.99
0.9999
几乎相同
肉眼难以分辨
0.95
0.99
非常相似
细微差异
0.9
0.95
相似
可见差异但整体一致
0.8
0.9
一般相似
明显差异
0.5
0.8
有点相似
部分结构相同
0
0.5
不太相似
差异较大
<
0
负相关
明暗反转（极少见）
2.
不同场景的典型值
应用场景
典型
SSIM
质量评价
无损压缩
0.999+
极好
高质量
JPEG
0.99
很好
中等
JPEG
0.98
好
低质量
JPEG
0.95
可接受
网络视频
(高码率)
0.95
0.98
好
网络视频
(低码率)
0.85
0.92
一般
严重压缩
<
0.85
差
3.
PSNR
的对照
PSNR
对应
SSIM
(大致)
质量
>
dB
>
0.995
极好
42
dB
0.98
0.995
很好
36
dB
0.95
0.98
好
30
dB
0.88
0.95
可接受
24
dB
0.75
0.88
差
<
dB
<
0.75
很差
注意：这只是大致对应，不同图像内容差异很大。
/>
五、SSIM
符合人眼视觉
案例1：亮度变化
整体亮度调暗
10%
PSNR：可能降到
30dB（看起来"很差"）
SSIM：仍在
0.98
以上（人眼能适应亮度变化）
案例2：轻微平移
图像向右平移
像素
PSNR：可能降到
25dB（看起来"严重失真"）
SSIM：仍在
0.95
以上（内容完全相同）
案例3：对比度调整
提高对比度
20%
PSNR：下降明显
SSIM：下降很小（结构信息保留）
2.
区分不同类型的失真
失真类型
PSNR
SSIM
人眼感受
轻微模糊
38dB
0.96
轻微模糊
轻微噪声
38dB
0.92
噪点明显
块效应
38dB
0.90
非常讨厌
👉同样
PSNR，SSIM
能捕捉到图像中最重要的信息——边缘和纹理：
平滑区域：误差容忍度高
纹理区域：误差容忍度中等
边缘区域：误差容忍度最低（结构信息最丰富）
/>
六、SSIM
图像压缩评估
场景：比较不同压缩算法的质量
原始图像
压缩算法A
B更好
实际案例：
JPEG
2000
视频编码优化
场景：H.264、H.265
编码器调优
率失真优化：
传统方法：最小化
MSE
改进方法：最大化
SSIM
结果：相同码率下视觉质量更好
3.
图像去噪评估
场景：比较去噪算法的效果
干净图像
加噪声
更好保留结构
关键：SSIM
能判断去噪算法是否保留边缘（许多算法会过度平滑）
4.
超分辨率重建
场景：评估超分算法的细节恢复能力
SRCNN、EDSR、GAN
能反映纹理重建质量
结合主观评价更准确
5.
图像质量评估
场景：自动筛选高质量图像
批量处理照片时自动评分
剔除模糊、过曝、噪声大的图像
用于摄影作品初选
6.
图像配准验证
场景：验证两幅图像是否对齐
配准前后计算
显著提高表示配准成功
对几何失真敏感但合理
/>
七、SSIM
SSIM）
原理：在不同分辨率下计算
SSIM，然后加权平均
优点：
更符合人眼多尺度感知
对图像大小不敏感
评估更稳定
公式：
/>
2.
SSIM）
原理：根据图像信息量给不同区域加权
优点：
信息丰富区域（纹理、边缘）权重高
平滑区域权重低
更符合视觉注意力
3.
3-SSIM
原理：将图像分为边缘、纹理、平滑三类区域，分别计算
SSIM
后加权
优点：
针对不同区域特性
更精细的评估
4.
CW-SSIM（复小波
SSIM）
原理：在小波域计算相位相似性
优点：
对平移、旋转、缩放更鲁棒
适合图像配准评估
5.
FSIM（特征相似性）
原理：基于相位一致性和梯度幅度
优点：
更符合人眼视觉
在某些数据集上表现更好
/>
八、SSIM
的优缺点
优点
优点
说明
符合人眼视觉
比
PSNR
更贴近主观感受
三个维度独立
可分别分析亮度、对比度、结构问题
范围固定
[0,1]
便于比较不同图像
对结构敏感
抓住图像最重要的信息
对亮度变化鲁棒
能容忍整体亮度调整
广泛验证
学术界和工业界公认
缺点
缺点
说明
例子
计算复杂
比
PSNR
慢（需均值、方差、协方差）
处理
视频较慢
对严重模糊不敏感
极度模糊时
SSIM
0.5
对平移敏感
轻微平移导致
SSIM
好很多
均匀区域问题
平滑区域计算结果不稳定
天空区域可能波动
对称性假设
假设亮度、对比度对称比较
实际人眼可能不对称
/>
九、SSIM
的详细对比
对比项
SSIM
PSNR
核心思想
结构信息最重要
像素误差最重要
理论基础
人眼视觉系统模拟
信号与噪声比
计算复杂度
较高
很低
取值范围
[0,
1]
0
(dB)
亮度变化容忍
高
低
几何失真敏感
中等
极高
区分失真类型
能
不能
数学性质
复杂
简单
优化难度
难（非凸）
易（凸函数）
广泛使用
质量评估
编码优化
最佳实践：
编码器优化：用
PSNR（计算快，数学好）
质量评估：用
SSIM（更符合人眼）
综合评估：两者都用
+