质量评估指标：PSNR、SSIM、VMAF的原理与使用场景

聊到转码质量，很多人第一反应就是「看着清楚就行」。但做工程不能靠感觉，得用数字说话。我这些年踩过的坑，十有八九都是因为质量评估没做到位。今天咱们就把PSNR、SSIM、VMAF这三个指标掰开揉碎讲清楚。

PSNR：最老牌的质量标尺

PSNR的全称是Peak Signal-to-Noise Ratio，峰值信噪比。说白了，它就是计算原始图像和失真图像之间每个像素的差异，然后取个平均值。

公式其实不复杂：

MSE = (1/m*n) * Σ(I(i,j) - K(i,j))²
PSNR = 10 * log10(MAX² / MSE)

其中MAX是像素最大值，8bit视频就是255。MSE越小，PSNR越大，质量越好。

用FFmpeg计算PSNR很简单：

ffmpeg -i encoded.mp4 -i original.yuv -lavfi psnr -f null -

输出会显示每帧的PSNR值和平均值。我习惯加个stats_file=psnr.log参数，把结果存下来慢慢分析。

SSIM：更聪明的质量评价

PSNR有个硬伤——它只看像素差异，不管图像结构。你想想看，一张图整体亮度调高10%，PSNR会暴跌，但人眼其实不太在意。SSIM就是来解决这个问题的。

SSIM从三个维度评价图像质量：

• 亮度相似度——比较平均亮度
• 对比度相似度——比较标准差
• 结构相似度——比较像素间的相关性

最终结果是一个0到1之间的值，1表示完全一致。一般来说，SSIM在0.95以上就算不错了。

FFmpeg计算SSIM的命令：

ffmpeg -i encoded.mp4 -i original.yuv -lavfi ssim -f null -

输出格式类似：

SSIM Y:0.9823 U:0.9765 V:0.9745 All:0.9798 (17.05)

括号里的17.05是SSIM转换成的dB值，方便和PSNR对比。我个人更习惯看原始SSIM值，直观。

VMAF：Netflix的杀手锏

VMAF（Video Multi-Method Assessment Fusion）是Netflix开源的质量评估工具。它用机器学习把多个基础指标融合成一个最终分数，目标是模拟人眼的主观感受。

VMAF的厉害之处在于：

• 它用了大量主观实验数据训练模型
• 能捕捉不同分辨率、不同码率下的质量变化
• 对现代编码器（H.264/H.265/AV1）的评估更准确

用FFmpeg计算VMAF需要额外安装libvmaf库。命令如下：

ffmpeg -i encoded.mp4 -i original.yuv \
  -lavfi "libvmaf=model_path=/usr/share/model/vmaf_v0.6.1.json" \
  -f null -

输出会显示每帧的VMAF分数和平均值。VMAF满分100，一般90分以上人眼就几乎看不出差异了。

三个指标的对比与选择

指标	原理	取值范围	优点	缺点	最佳场景
PSNR	逐像素MSE	0~∞ dB	计算快、标准化	不贴合人眼	编码器调试、回归测试
SSIM	亮度+对比度+结构	0~1	比PSNR更准	对块效应不敏感	质量对比、参数调优
VMAF	机器学习融合	0~100	最接近主观感受	计算慢、依赖模型	最终验收、AB测试

实际项目中我一般这样用：

• 开发阶段：用PSNR快速验证编码器改动是否引入异常
• 参数调优：用SSIM对比不同preset/crf组合的质量
• 上线前：用VMAF做最终验收，确保主观质量达标

批量评估的实用脚本

单个文件评估好办，但实际工作中经常要批量处理。我写了个简单的shell脚本，一次性跑完三个指标：

#!/bin/bash
# batch_quality.sh - 批量评估转码质量
# 用法: ./batch_quality.sh original.yuv encoded.mp4

ORIG=$1
ENCODED=$2

echo "=== 质量评估报告 ==="
echo "原始文件: $ORIG"
echo "编码文件: $ENCODED"
echo ""

# PSNR
echo "--- PSNR ---"
ffmpeg -i "$ENCODED" -i "$ORIG" -lavfi psnr -f null - 2>&1 | grep "PSNR"

# SSIM
echo "--- SSIM ---"
ffmpeg -i "$ENCODED" -i "$ORIG" -lavfi ssim -f null - 2>&1 | grep "SSIM"

# VMAF
echo "--- VMAF ---"
ffmpeg -i "$ENCODED" -i "$ORIG" \
  -lavfi "libvmaf=model_path=/usr/share/model/vmaf_v0.6.1.json" \
  -f null - 2>&1 | grep "VMAF"

这个脚本我用了好几年，每次调完参数就跑一遍，三个指标一目了然。你也可以把结果重定向到文件，方便做历史对比。