SIM = Structural SIMilarity（結構相似性），這是一種用來評測影象質量的一種方法。由於人類視覺很容易從影象中抽取出結構資訊,因此計算兩幅影象結構資訊的相似性就可以用來作為一種檢測影象質量的好壞.
首先結構資訊不應該受到照明的影響,因此在計算結構資訊時需要去掉亮度資訊,即需要減掉影象的均值;其次結構資訊不應該受到影象對比度的影響,因此計算結構資訊時需要歸一化影象的方差;最後我們就可以對影象求取結構資訊了,通常我們可以簡單地計算一下這兩幅處理後的影象的相關係數.
然而影象質量的好壞也受到亮度資訊和對比度資訊的制約,因此在計算影象質量好壞時,在考慮結構資訊的同時也需要考慮這兩者的影響.通常使用的計算方法如下,其中C1,C2,C3用來增加計算結果的穩定性:
2u(x)u(y) + C1
L(X,Y) = ------------------------ ,u(x), u(y)為影象的均值
u(x)^2 + u(y)^2 + C1
2d(x)d(y) + C2
C(X,Y) = ------------------------,d(x),d(y)為影象的方差
d(x)^2 + d(y)^2 + C2
d(x,y) + C3
S(X,Y) = ----------------------,d(x,y)為影象x,y的協方差
d(x)d(y) + C3
而影象質量Q = [L(X,Y)^a] x [C(X,Y)^b] x [S(X,Y)^c]，其中a，b，c分別用來控制三個要素的重要性，為了計算方便可以均選擇為1，C1，C2，C3為比較小的數值，通常C1=(K1 x L)^2, C2=(K2 xL)^2, C3 = C2/2, K1
SIM = Structural SIMilarity（結構相似性），這是一種用來評測影象質量的一種方法。由於人類視覺很容易從影象中抽取出結構資訊,因此計算兩幅影象結構資訊的相似性就可以用來作為一種檢測影象質量的好壞.
首先結構資訊不應該受到照明的影響,因此在計算結構資訊時需要去掉亮度資訊,即需要減掉影象的均值;其次結構資訊不應該受到影象對比度的影響,因此計算結構資訊時需要歸一化影象的方差;最後我們就可以對影象求取結構資訊了,通常我們可以簡單地計算一下這兩幅處理後的影象的相關係數.
然而影象質量的好壞也受到亮度資訊和對比度資訊的制約,因此在計算影象質量好壞時,在考慮結構資訊的同時也需要考慮這兩者的影響.通常使用的計算方法如下,其中C1,C2,C3用來增加計算結果的穩定性:
2u(x)u(y) + C1
L(X,Y) = ------------------------ ,u(x), u(y)為影象的均值
u(x)^2 + u(y)^2 + C1
2d(x)d(y) + C2
C(X,Y) = ------------------------,d(x),d(y)為影象的方差
d(x)^2 + d(y)^2 + C2
d(x,y) + C3
S(X,Y) = ----------------------,d(x,y)為影象x,y的協方差
d(x)d(y) + C3
而影象質量Q = [L(X,Y)^a] x [C(X,Y)^b] x [S(X,Y)^c]，其中a，b，c分別用來控制三個要素的重要性，為了計算方便可以均選擇為1，C1，C2，C3為比較小的數值，通常C1=(K1 x L)^2, C2=(K2 xL)^2, C3 = C2/2, K1