常見的影像相似度比較 MSE MAE PSNR

如何判斷兩張影像的相似度一直是個古老的問題

  影像 f 經過處理後變成影像 g, 

常見的處理包含：壓縮後解壓縮、放大後再縮小、旋轉後再轉回來

如果 f 與 g 一模一樣的話，就代表這些影像處理是個好方法
可是大部份的情況下，f 與 g 是不太一樣，因此我們常常需要比較兩者間的差異
最常用的方法就是 MSE (Mean Square Error), 有些人翻譯成「均方差」

其中影像 f 與 g 有相同尺寸，水平寬度為w, 垂直高度同為h

另一個與MSE相近的就是MAE (Mean Absolute Error)

從以上兩者的定義可以看出，兩個影像間的 MSE 或 MAE 越小代表兩張影像越相近
另一種 PSNR 是 MSE 的延伸, PSNR = Peak Signal-to-Noise Ratio

由於我們的影像值介於[0..255]，所以PSNR的計算使用255的平方
如果影像是介於[0..1]的實數，上式的255就可以用1來取代
另外要特別注意的是 PSNR 要越大越好，代表兩張影像越相近，這與 MAE MSE 不同

現在來寫程式吧，而且以後一定用得著

這是個簡單的寫法，並沒有檢查輸入的兩張影像尺寸是否相同，也沒有檢查型別(class)是否一致，不過仍是堪用。
現在利用上次所說的mean filter 來測試不同window大小，其結果是否更差或更好？

輸入影像存在 im
利用 fspecial 產生 3x3 與 5x5 的權重函式 h1 與 h2

執行 mean filter

接下來比較兩個結果與原圖的差異

由左右兩個結果可知，視窗 h 越大，其誤差越大

--- end ---