图像质量(Image Quality),是一个学术课题,一代代人为此日以继夜、前赴后继……。图像质量的评价方法可分为主观与客观两大类。所谓客观,即运用数学模型或方法,通过计算为一幅图像打分。所谓主观,又称作心理物理学方法,即请一组观察者在一定的条件下按照一定的规则对图像打分,之后再进行统计。主观评价费时费力,因此客观评价旨在一定程度上代替主观评价。客观评价所用的模型和方法,也都是以主观评价的结果为参考进行开发、评判和调整的。
我们说的(二维彩色)图像,可以看作是光在横向、纵向、光谱三个维度上的能量分布。因此,从信号的角度来看,原始被摄景物与重现出的图像差别越小,图像质量就越高。
@翔宇俊的回答已经很全面了,这里不再赘述。如果图像是给机器人看的,如生产线上负责质量控制、将合格、不合格产品进行分类的模块,那么,图像质量的评判显然应该以分类的准确性来评判。我们的讨论到此结束就好。
然而,大部分图像仍然是给人类看的。而人类的工程技术能力还很有限,如果真要做信号级别的简单对比,不难发现,当今的成像技术造成的失真还是非常显著的。而且,人类的视觉精度并不高,也不是线性的。因此,一些差异大的信号,在人类看来反而没什么差别,而一些差异小的信号,在人类看来差异很大。正如
@纪沿所说,我们需要更好地理解人类视觉机制。这里,举两个例子:
以上提到的都是有原始景物可比较的情况,然而,事实上,大多数情况下,我们在评价图像质量时,都是对着显示屏,并没有原始景物可比较。我们实际上是在拿记忆中的景物与眼前的图像做比较。再举一个例子:
综上所述,图像质量真是非常主观的事情。如果就相机说相机的话,无非是镜头、传感器与图像处理三块,
DxO Labs的评价项目和方法可以作为一个参考。