这些指标用于计算某些信号属性。它们大致分为2类，即1-objective，2-subjective。客观标准过于机械化，不考虑任何人类感知权重。主观标准是基于模型的计算或直接基于意见的测量。什么时候使用是一个应用问题。

图像的MSE和PSNR有什么区别？

很少。 几乎没有，以相对的方式。大多数误差测量与某些数量或参考有关。如果你有$K$样品 $d_k$来自“原始”数据，以及估计、压缩或去噪的版本$\hat{d}_k$， 然后：

• MSE， 均方误差，与欧几里得度量中的零（越低越好）相关：

$$\textrm{MSE} = \frac{1}{K}\sum_{k=1}^{K} (d_k - \hat{d}_k)^2$$

信噪比 (SNR) 或峰值信噪比 (PSNR) 是直接相关的量，与数据能量 (SNR) 成反比（越高越好）：

$$\textrm{SNR} = 10\log_{10} \left( \frac{\frac{1}{K}\sum_{k=1}^{K} (d_k )^2}{\textrm{MSE}} \right)$$

或最大可能数据功率 (PSNR)：

$$\textrm{PSNR} =10\log_{10} \left( \frac{ (\max{d_k} )^2}{\textrm{MSE}}\right)$$

其中有时设置为，其中是图像通道值编码到的位数。经典上是255。所以，总而言之，它们之间存在一对一的单调映射，所以它们是密切相关的。$\max{d_k}$$2^b-1$$b$

这三个只是带有扭曲所以基本上和视力无关。SSIM 被认为在感知评论方面更现实。通过均值、比例和协方差重新加权，它可以纠正一些标准显示问题。$L_2$

但它仍然存在争议，例如：

• 结构相似性指数的正式评估

我认为有两个区别：

• 如果不知道峰值强度或编码位数，则 MSE 毫无意义。根据编码，相同的 MSE 可以表示“强”或“弱”错误（例如，MSE=240 对于 8 位和 24 位图像的含义不同）。考虑到峰值强度，PSNR不存在这个问题。

• 对数可以得到几位数的分数（例如，使用 90而不是 1,000,000,000 会更方便）。$dB$

因此，PSNR 优于 MSE 的优点是：（1）它能够比较使用不同位数编码的图像的结果，（2）简洁。然而，根据定义，PSNR 只不过是 MSE 的标准化版本。