Just a Computer Graphics Studio & My Life

前不久才使用影像品質衡量指標峰值信號雜訊比 (Peak Signal to Noise Ratio),然而我發現它儘管客觀衡量,但並不能保證人眼檢驗就如其數字所代表。於是,找到更好且更複雜的指標結構相似性 (Structural SIMilarity)。來看愛因斯坦如何決定SSIM吧:P

SSIM demo

來看一下WiKi如何描述結構相似性 (Structural SIMilarity)

結構相似性指標 (structural similarity index,SSIM index)是一種用以衡量兩張數位影像相似程度的指標。當兩張影像其中一張為無失真影像,另一張為失真後的影像,兩者的結構相似性可以看成是失真影像的影像品質衡量指標。相較於傳統所使用的影像品質衡量指標,像是峰值信噪比(PSNR),結構相似性在影像品質的衡量上更能符合人眼對影像品質的判斷。

基本觀念

自然影像是高度結構化的狀態,亦即在自然影像中相鄰像素之間有很緊密的關聯性,而這樣的關聯性承載了場景中物體的結構資訊。人類視覺系統在觀看影像時已經很習慣抽取這樣的結構性資訊。因此,在設計影像品質衡量指標用以衡量影像失真程度時,結構性失真的衡量是很重要的因素。

作為結構相似性理論之實現,結構相似度指數從圖像組成的角度,將結構訊息定義為獨立於亮度、對比度及反映場景中物體結構的屬性,並將失真建模為亮度對比度結構三個不同因素的組合。用均值作為亮度的估計,標準差作為對比度的估計,共變異數作為結構相似程度的度量。

定義

SSIM formula

其中,l(x, y)比較x和y的亮度(luminance),c(x, y)比較x和y的對比度(contrast),s(x, y)比較x和y的結構(structure),α>0、β>0、γ>0,為調整l(x, y)、c(x, y)、s(x, y)相對重要性的參數,μx及μy、σx及σy分別為x和y的平均值標準差,σxy為x和y的共變異數,C1、C2、C3 皆為常數,用以維持l(x, y)、c(x, y)、s(x, y)的穩定。

總結

結構相似性指標的值越大,代表兩個影像的相似性越高。

界定範圍

SSIM=1就是和原始視訊檔案完全一致,若SSIM>=0.98就是難以與原始視訊檔案分辨區別,而SSIM=0.95的時候大多數人都會對畫面滿意,這個數值可以認為是及格的畫面。SSIM=0.90的時候意味著瑕疵可能要比0.95多一倍,肉眼就會察覺到明顯的畫面劣化,因此低於這個數值時,就可以判定為沒有實際觀賞價值。

參考:WiKi – 結構相似性SSIM implementation for OpenCV2.x (c++)

Advertisements

Comments on: "結構相似性 (Structural SIMilarity)" (1)

  1. […] 定義可參考:結構相似性 (Structural SIMilarity),在此只列出數學方程式: […]

    喜歡

發表留言

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com Logo

您的留言將使用 WordPress.com 帳號。 登出 / 變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 / 變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 / 變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 / 變更 )

連結到 %s

標籤雲

%d 位部落客按了讚: