1. 图像质量评测概述

大家好，我是老张。做图像质量评测这行十几年了，今天咱们聊聊最基础的东西——图像质量到底是个啥？

说白了，图像质量就是一张图给你的「观感」。清晰不清晰？颜色正不正？有没有噪点？这些都属于图像质量的范畴。但你要真给它下个定义，学术界和工业界吵了好多年也没完全统一。

1.1 图像质量的定义

从工程角度看，图像质量包含三个层面：

• 保真度——图像和真实场景的接近程度。我在项目中遇到过，有些算法把图修得特别「好看」，但跟原场景完全两码事，这就叫保真度差。
• 可懂度——人能从中获取信息的容易程度。你想想看，一张监控截图，虽然噪点多，但能看清车牌号，那它的可懂度就高。
• 美观度——纯粹的主观感受。这个因人而异，但做产品时不得不考虑。

嗯，这里要注意：不同场景对这三个维度的权重完全不同。医疗影像更看重保真度，社交媒体更看重美观度。

1.2 评测的重要性

为什么非要搞评测？我刚开始带团队时，有个同事觉得「图看着不错就行了」。结果产品上线后，用户投诉说「颜色发绿」——我们才发现显示器没校准。从那以后，我再也不敢凭肉眼拍板了。

评测的重要性体现在几个方面：

1. 量化对比——没有数字，你说A算法比B算法好，凭什么？
2. 问题定位——PSNR低了，是噪声问题还是压缩问题？评测指标能帮你缩小范围。
3. 验收标准——客户说「图要清晰」，你得有个可量化的标准，不然扯皮没完。
4. 回归测试——改了一版代码，不能把之前修好的bug又带回来。评测自动化跑一遍，心里踏实。

1.3 主观评测 vs 客观评测

这两者的区别，我用一句话概括：主观评测问「人觉得好不好」，客观评测问「机器算出来多少」。

对比项	主观评测	客观评测
执行方式	人看、打分、投票	算法自动计算
典型方法	MOS（平均意见分）、A/B对比	PSNR、SSIM、VMAF
优点	贴近真实感受	快速、可重复、低成本
缺点	耗时、费钱、不稳定	可能跟人眼感受不一致
适用场景	最终验收、竞品分析	日常开发、自动化测试

为什么会这样？因为人眼和机器的「关注点」不一样。我记得有一次，PSNR显示我们的算法提升了0.5dB，但测试人员都说「变差了」。后来发现，算法把边缘锐化过头了，虽然像素误差小了，但看着很假。这就是客观指标的局限性。

1.4 常见应用场景

图像质量评测不是实验室里的玩具，它在实际项目中无处不在：

• 摄像头模组调优——ISP（图像信号处理器）的每个参数，都需要评测来验证效果。我做过一个项目，光白平衡就调了两个月，全靠评测数据说话。
• 视频编解码——压缩比和画质的平衡，评测是唯一的标尺。
• 图像增强——去噪、超分、HDR，这些算法好不好，评测说了算。
• 医疗影像——这个领域最严格，评测不过关，设备根本拿不到注册证。
• 自动驾驶——摄像头采集的图像质量，直接关系到感知算法的准确性。

你想想看，这些场景里，评测不只是「看看效果」，它直接决定了产品能不能用、好不好用。

1.5 知识体系总览

下面这张图，是我自己梳理的图像质量评测知识体系。做这行这么多年，我习惯先把框架搭好，再往里填细节。

这张图把本章的核心内容串起来了。从定义出发，到为什么重要，再到怎么评测、用在哪。后面的章节，我们会逐一深入每个分支。

---

好了，第一章就聊到这儿。图像质量评测这件事，说难不难，说简单也不简单。关键是要建立体系化的思维，别东一榔头西一棒槌。