เมตริกการประเมินคุณภาพการบีบอัดภาพ: PSNR, SSIM และมาตรฐานการประเมิน

การประเมินคุณภาพการบีบอัดภาพอย่างมีประสิทธิภาพจำเป็นต้องเข้าใจเมตริกเชิงวัตถุประสงค์ที่ใช้วัดความถูกต้องของภาพและความผิดเพี้ยนที่เกิดจากอัลกอริทึมการบีบอัด คู่มือนี้ครอบคลุมวิธีการประเมินคุณภาพ เช่น PSNR, SSIM และมาตรฐานการประเมินอื่น ๆ สำหรับการวัดประสิทธิภาพการบีบอัดของไฟล์ JPEG, PNG, WebP และ GIF

ความเข้าใจเกี่ยวกับการประเมินคุณภาพของภาพ

การประเมินคุณภาพของภาพในระบบการบีบอัดมีวัตถุประสงค์สำคัญหลายประการ: การปรับแต่งพารามิเตอร์การบีบอัด การเปรียบเทียบประสิทธิภาพของอัลกอริทึม และการรับประกันความยอมรับทางสายตาสำหรับผู้ใช้ปลายทาง เมตริกคุณภาพให้ค่าการวัดเชิงปริมาณที่สอดคล้องกับการรับรู้ทางสายตามนุษย์ และช่วยให้สามารถสร้างเวิร์กโฟลว์การประเมินอัตโนมัติ

การประเมินคุณภาพเชิงวัตถุประสงค์ vs เชิงอัตวิสัย

แนวทางการประเมินคุณภาพแบ่งออกเป็น 2 ประเภทหลัก:

เมตริกคุณภาพเชิงวัตถุประสงค์:

• การคำนวณทางคณิตศาสตร์จากความแตกต่างของพิกเซล
• การประเมินอัตโนมัติเหมาะสำหรับการทดสอบขนาดใหญ่
• ผลลัพธ์ที่สม่ำเสมอไม่ขึ้นกับความแปรปรวนของมนุษย์
• ประสิทธิภาพการคำนวณสำหรับแอปพลิเคชันเรียลไทม์
• มาตรฐานเปรียบเทียบสำหรับการเปรียบเทียบประสิทธิภาพ

การประเมินคุณภาพเชิงอัตวิสัย:

• การศึกษากับผู้สังเกตการณ์มนุษย์ในสภาวะควบคุม
• คะแนนเฉลี่ยความคิดเห็น (MOS) จากการประเมินของผู้ใช้
• ความแม่นยำในการรับรู้ที่สะท้อนประสบการณ์ผู้ใช้จริง
• กระบวนการที่ใช้เวลานานต้องการผู้ประเมินหลายคน
• มาตรฐานทองคำสำหรับการตรวจสอบความถูกต้องของการประเมินคุณภาพ

ข้อกำหนดสำหรับการประเมินคุณภาพ

การประเมินคุณภาพการบีบอัดที่มีประสิทธิภาพต้องมีข้อกำหนดสำคัญหลายประการ:

ความเกี่ยวข้องกับการรับรู้:

• สอดคล้องกับการมองเห็นของมนุษย์เพื่อผลลัพธ์ที่มีความหมาย
• การประเมินที่คำนึงถึงเนื้อหาโดยพิจารณาคุณลักษณะของภาพ
• คำนึงถึงเงื่อนไขการแสดงผลเช่นหน้าจอและระยะทาง
• ปัจจัยทางวัฒนธรรมและประชากรศาสตร์ที่มีผลต่อการรับรู้

ความเหมาะสมทางเทคนิค:

• ความสามารถในการคำนวณสำหรับขนาดการใช้งานที่แตกต่างกัน
• ความง่ายในการนำไปใช้ในแพลตฟอร์มต่าง ๆ
• การมาตรฐานพารามิเตอร์เพื่อการประเมินที่สม่ำเสมอ
• การบูรณาการกับเวิร์กโฟลว์การบีบอัด

อัตราส่วนสัญญาณต่อสัญญาณรบกวนสูงสุด (PSNR)

PSNR เป็นเมตริกคุณภาพเชิงวัตถุประสงค์ที่ใช้กันมากที่สุดสำหรับการประเมินการบีบอัดภาพ โดยวัดความถูกต้องของสัญญาณผ่านค่าเฉลี่ยกำลังสองของความผิดพลาด (MSE)

พื้นฐานทางคณิตศาสตร์ของ PSNR

การคำนวณ PSNR ใช้สูตรทางคณิตศาสตร์มาตรฐาน:

ค่าเฉลี่ยกำลังสองของความผิดพลาด (MSE):

MSE = (1/MN) * Σ Σ [I(i,j) - K(i,j)]²

อัตราส่วนสัญญาณต่อสัญญาณรบกวนสูงสุด:

PSNR = 10 * log₁₀(MAX²/MSE)

โดยที่:

• I(i,j) = ค่าพิกเซลของภาพต้นฉบับ
• K(i,j) = ค่าพิกเซลของภาพที่ถูกบีบอัด
• MAX = ค่าสูงสุดของพิกเซล (255 สำหรับภาพ 8 บิต)
• M, N = ขนาดของภาพ

คุณสมบัติและข้อจำกัดของ PSNR

ข้อดีของ PSNR:

• คำนวณง่ายใช้ทรัพยากรน้อย
• ใช้ได้กับทุกฟอร์แมตภาพ
• มาตรฐานเปรียบเทียบที่ยอมรับกันสำหรับการเปรียบเทียบคุณภาพ
• ความสอดคล้องทางคณิตศาสตร์สำหรับการประเมินอัลกอริทึมที่เชื่อถือได้

ข้อจำกัดของ PSNR:

• ความสัมพันธ์กับการรับรู้ต่ำสำหรับความผิดเพี้ยนบางประเภท
• ไม่ขึ้นกับเนื้อหาไม่พิจารณาคุณลักษณะของภาพ
• สมมติฐานความสม่ำเสมอเชิงพื้นที่ไม่สะท้อนความไวของสายตามนุษย์
• ความไวต่อช่วงไดนามิกมีผลต่อความแม่นยำของการวัด

การใช้ PSNR ในการประเมินการบีบอัด

การใช้ PSNR ในทางปฏิบัติสำหรับการประเมินคุณภาพการบีบอัด:

เกณฑ์คุณภาพ:

• PSNR > 40 dB: คุณภาพยอดเยี่ยม ไม่มีอาร์ติแฟกต์ที่มองเห็นได้
• PSNR 30-40 dB: คุณภาพดี เหมาะสมสำหรับการใช้งานส่วนใหญ่
• PSNR 20-30 dB: คุณภาพปานกลาง มีอาร์ติแฟกต์ที่มองเห็นได้แต่ยอมรับได้
• PSNR < 20 dB: คุณภาพต่ำ เสื่อมโทรมทางสายตาอย่างมีนัยสำคัญ

ข้อควรพิจารณาตามฟอร์แมต:

• การบีบอัด JPEG: PSNR สัมพันธ์กับอาร์ติแฟกต์บล็อกได้ดี
• การบีบอัด PNG: การประเมินแบบไม่สูญเสียให้ค่า PSNR เป็นอนันต์
• การบีบอัด WebP: ความสัมพันธ์แตกต่างกันขึ้นกับโหมดการเข้ารหัส
• การบีบอัด GIF: การควอนไทซ์พาเลตมีผลต่อการแปลความหมาย PSNR

ดัชนีความคล้ายคลึงเชิงโครงสร้าง (SSIM)

SSIM ให้การประเมินคุณภาพที่ขับเคลื่อนด้วยการรับรู้โดยวัดการคงอยู่ของข้อมูลเชิงโครงสร้างแทนความแตกต่างของพิกเซล

กรอบทางคณิตศาสตร์ของ SSIM

การคำนวณ SSIM ประกอบด้วย 3 องค์ประกอบการเปรียบเทียบ:

การเปรียบเทียบความสว่าง:

l(x,y) = (2μₓμᵧ + c₁)/(μₓ² + μᵧ² + c₁)

การเปรียบเทียบคอนทราสต์:

c(x,y) = (2σₓσᵧ + c₂)/(σₓ² + σᵧ² + c₂)

การเปรียบเทียบโครงสร้าง:

s(x,y) = (σₓᵧ + c₃)/(σₓσᵧ + c₃)

SSIM รวม:

SSIM(x,y) = l(x,y) * c(x,y) * s(x,y)

โดยที่:

• μₓ, μᵧ = ค่าเฉลี่ยเฉพาะที่
• σₓ, σᵧ = ส่วนเบี่ยงเบนมาตรฐานเฉพาะที่
• σₓᵧ = ความแปรปรวนร่วมเฉพาะที่
• c₁, c₂, c₃ = ค่าคงที่เพื่อความเสถียร

ข้อดีด้านการรับรู้ของ SSIM

ข้อดีของ SSIM เมื่อเทียบกับ PSNR:

การจำลองระบบการมองเห็นของมนุษย์:

• ความไวต่อความสว่างสะท้อนการรับรู้ความสว่าง
• การมาสก์คอนทราสต์คำนึงถึงลักษณะการมองเห็นเชิงพื้นที่
• การคงอยู่ของโครงสร้างเน้นการจดจำรูปแบบ
• การวิเคราะห์เฉพาะที่คำนึงถึงบริบทเชิงพื้นที่

ความสัมพันธ์กับการรับรู้:

• ความสัมพันธ์ที่ดีกว่ากับคะแนนคุณภาพเชิงอัตวิสัย
• การประเมินที่คำนึงถึงเนื้อหาปรับให้เหมาะกับลักษณะของภาพ
• ความไวต่อประเภทความผิดเพี้ยนสำหรับการตรวจจับอาร์ติแฟกต์ที่หลากหลาย
• ประสิทธิภาพที่แข็งแกร่งสำหรับเนื้อหาภาพที่หลากหลาย

SSIM หลายสเกล (MS-SSIM)

MS-SSIM ขยายการประเมิน SSIMพื้นฐานด้วยการวิเคราะห์หลายสเกล:

การแยกสเกล:

1. วิเคราะห์ที่ความละเอียดต้นฉบับเพื่อประเมินรายละเอียด
2. ลดขนาดอย่างต่อเนื่องด้วยการกรองแบบ Gaussian
3. ประเมินในหลายสเกลสำหรับความถี่เชิงพื้นที่ที่แตกต่างกัน
4. รวมค่า SSIM ตามสเกลแบบถ่วงน้ำหนัก

ข้อดีของ MS-SSIM:

• ความสัมพันธ์ที่ดีกว่ากับการรับรู้ของมนุษย์
• การประเมินที่ไม่ขึ้นกับสเกลไม่ขึ้นกับระยะทางการรับชม
• ความไวที่เพิ่มขึ้นต่ออาร์ติแฟกต์ประเภทต่าง ๆ
• การประเมินที่แข็งแกร่งสำหรับเนื้อหาที่หลากหลาย

ความซื่อสัตย์ของข้อมูลภาพ (VIF)

VIF เป็นเมตริกคุณภาพขั้นสูงที่อิงตามทฤษฎีข้อมูลและการจำลองระบบการมองเห็นของมนุษย์

พื้นฐานทางทฤษฎีของ VIF

การคำนวณ VIF อิงตามข้อมูลร่วมระหว่างภาพอ้างอิงและภาพที่ผิดเพี้ยน:

การสกัดข้อมูล:

• การแยกคลื่นเวฟเล็ตสำหรับการวิเคราะห์หลายสเกล
• สถิติของฉากธรรมชาติสำหรับการจำลองเนื้อหาภาพ
• การกรองโดยระบบการมองเห็นของมนุษย์เพื่อความเกี่ยวข้องกับการรับรู้
• การวัดการสูญเสียข้อมูลผ่านข้อมูลร่วม

สูตร VIF:

VIF = Σ I(Cⁿ; Fⁿ|sⁿ) / Σ I(Cⁿ; Eⁿ|sⁿ)

โดยที่:

• I = ข้อมูลร่วม
• Cⁿ = ค่าสัมประสิทธิ์ของภาพอ้างอิง
• Fⁿ = ค่าสัมประสิทธิ์ของภาพที่ผิดเพี้ยน
• Eⁿ = ภาพอ้างอิงในระบบการมองเห็น
• sⁿ = สถิติของฉาก

คุณสมบัติด้านประสิทธิภาพของ VIF

ข้อดีของ VIF:

• ความสัมพันธ์กับการรับรู้ที่ยอดเยี่ยมกับการประเมินเชิงอัตวิสัย
• การปรับให้เข้ากับเนื้อหาโดยอิงตามสถิติของภาพธรรมชาติ
• ความทนทานต่ออาร์ติแฟกต์สำหรับความผิดเพี้ยนหลายประเภท
• พื้นฐานทางทฤษฎีในทฤษฎีข้อมูล

ข้อจำกัดของ VIF:

• ความซับซ้อนในการคำนวณสูงจำกัดการใช้งานเรียลไทม์
• ความซับซ้อนในการนำไปใช้ต้องการอัลกอริทึมเฉพาะทาง
• มาตรฐานจำกัดเมื่อเทียบกับPSNRและSSIM
• ความไวต่อพารามิเตอร์มีผลต่อความสอดคล้องของการวัด

ดัชนีความคล้ายคลึงของคุณลักษณะ (FSIM)

FSIM ใช้การตรวจจับคุณลักษณะสำหรับการประเมินคุณภาพที่ขับเคลื่อนด้วยการรับรู้โดยอิงตามความสอดคล้องของเฟสและความแรงของกราเดียนต์

วิธีการคำนวณ FSIM

การสกัดคุณลักษณะ:

1. คำนวณความสอดคล้องของเฟสเพื่อระบุคุณลักษณะเชิงโครงสร้าง
2. คำนวณความแรงของกราเดียนต์เพื่อวัดข้อมูลขอบ
3. สร้างแผนที่คุณลักษณะโดยรวมคุณลักษณะเชิงโครงสร้างและขอบ
4. คำนวณความคล้ายคลึงผ่านการเปรียบเทียบแบบถ่วงน้ำหนักด้วยคุณลักษณะ

สูตร FSIM:

FSIM = Σ SL(x) * PCm(x) / Σ PCm(x)

โดยที่:

• SL(x) = ความคล้ายคลึงในพื้นที่
• PCm(x) = ความสอดคล้องของเฟสสูงสุด
• x = ตำแหน่งเชิงพื้นที่

ข้อดีของการใช้ FSIM

คุณสมบัติของ FSIM:

• การประเมินตามคุณลักษณะเน้นองค์ประกอบภาพที่สำคัญ
• ความซับซ้อนในการคำนวณต่ำกว่า VIF
• ความสัมพันธ์กับการรับรู้ที่ดีกับการตัดสินของมนุษย์
• ประสิทธิภาพที่แข็งแกร่งสำหรับเนื้อหาหลากหลาย

ข้อควรพิจารณาด้านคุณภาพเฉพาะสำหรับการบีบอัด

การประเมินคุณภาพ JPEG

การประเมินการบีบอัด JPEGต้องคำนึงถึงข้อควรพิจารณาเฉพาะ:

ประเภทของอาร์ติแฟกต์:

• อาร์ติแฟกต์บล็อกจากการควอนไทซ์ DCT
• ริงกิ้งรอบขอบที่มีคอนทราสต์สูง
• การไหลของสีจากการซับแซมปลิงโครมา
• สัญญาณรบกวนแบบยุงในบริเวณที่มีลวดลาย

การปรับคุณภาพให้เหมาะสม:

• ความสัมพันธ์ของ PSNRกับความรุนแรงของบล็อก
• ความไวของ SSIMต่อความผิดเพี้ยนเชิงโครงสร้าง
• เมตริกการรับรู้สำหรับการประเมินอาร์ติแฟกต์เฉพาะ
• การประเมินที่ปรับให้เหมาะกับประเภทของภาพ