4、性能评估指标：PSNR、SSIM、码率、编码时间、复杂度等指标的定义与测量方法
4.1 核心原理：为什么需要多维指标共同评价编码器
HEVC 编码调优的本质是在率失真（Rate-Distortion）平面上寻找最优工作点。任何单一指标都无法完整描述编码器的真实表现：码率只反映体积，PSNR 只反映像素误差，SSIM 只反映结构感知，编码时间只反映速度。实际工程中必须将客观质量、主观感知、资源消耗三个维度联合起来，才能判断一次调优是“变好”还是“变差”。
下图展示了 HEVC 编码器性能评估的核心指标关系与测量数据流：
图中展示了编码器输入原始视频、输出码流与重建视频，再分别计算质量指标与性能指标，最终汇总到率失真曲线与复杂度评估的完整链路。调优时需同时关注码率-质量曲线形态与编码耗时变化。
4.2 各指标定义与测量方法
| 指标 | 定义 | 测量方法 | 典型工具 |
|---|---|---|---|
| PSNR | 峰值信噪比，基于 MSE 的对数表示，单位 dB | 逐像素比较原始与重建 YUV，分别计算 Y/U/V 分量 | ffmpeg、自研脚本 |
| SSIM | 结构相似性，综合亮度、对比度、结构三因子 | 对 8×8 局部窗口计算，取全帧均值 | ffmpeg ssim filter |
| 码率 | 单位时间码流大小，kbps / Mbps | 码流总比特数 ÷ 视频时长 | ffprobe、码流分析仪 |
| 编码时间 | 从输入到输出码流的墙钟时间 | 计时器包裹编码调用，多次取平均 | time 命令、编码器日志 |
| 复杂度 | 编码器运行耗时相对参考编码器的比值 | 同序列同 QP 下，目标编码器耗时 ÷ 参考编码器耗时 | HM 自带计时、x265 日志 |
4.2.1 PSNR 的测量细节
PSNR 的计算公式为：
MSE = (1/N) × Σ (orig[i] - recon[i])²
PSNR = 10 × log10(MAX² / MSE)其中 MAX 为像素最大值（8bit 时为 255）。测量时需注意：
- 分量独立计算：Y、U、V 分别计算 PSNR，通常以 Y-PSNR 作为主要对比依据，因为人眼对亮度更敏感。
- 对齐帧号：原始序列与重建序列必须逐帧对齐，否则会产生虚假误差。
- 裁剪边缘：若编码器有边界扩展或滤波，需先裁剪相同像素再计算。
4.2.2 SSIM 的测量细节
SSIM 在局部窗口内计算：
SSIM(x,y) = [(2μxμy + C1)(2σxy + C2)] / [(μx²+μy²+C1)(σx²+σy²+C2)]其中 C1=(K1×L)²，C2=(K2×L)²，K1=0.01，K2=0.03，L=255。测量时使用 8×8 高斯加权窗口，步长为 4 像素滑动计算。SSIM 值范围 [-1, 1]，越接近 1 表示结构保持越好。
4.2.3 码率与编码时间的测量
码率测量需区分平均码率与峰值码率。平均码率直接由文件大小除以时长获得；峰值码率需逐帧统计 I/P/B 帧大小，通常用码率曲线图观察。编码时间测量需排除 I/O 干扰，建议使用编码器内部计时接口（如 x265 的 --log-level full 输出各阶段耗时）。
4.3 方法流程：标准测量流程与实验设计
为保证测量结果可复现、可对比，建议遵循以下标准流程：
- 序列准备：选取至少 3 个不同分辨率和内容特征的 YUV 序列（如 1080p 运动场景、720p 静态场景、4K 纹理复杂场景），统一裁剪为偶数尺寸。
- 编码参数固定：除待测变量外，其余参数全部固定。例如对比 QP 影响时，固定预设、GOP 结构、码率控制模式。
- 多 QP 点测试：通常取 QP = {22, 27, 32, 37} 四个点，覆盖从高到低的质量范围。
- 指标计算：对每个 QP 点，计算 Y-PSNR、SSIM、实际码率、编码时间。
- 绘制 RD 曲线：以码率为横轴、PSNR 为纵轴绘制曲线，曲线越靠左上代表性能越好。
- BD-Rate 计算：使用 Bjøntegaard Delta 方法计算相对于参考编码器的平均码率节省百分比。
实操示例：使用 ffmpeg 测量 PSNR 与 SSIM
# 编码 H.265 并输出重建 YUV
ffmpeg -s 1920x1080 -i input.yuv -c:v libx265 -qp 27 -preset medium \
-f rawvideo -pix_fmt yuv420p recon.yuv
# 计算 PSNR 与 SSIM（需要原始 YUV 与重建 YUV 尺寸一致）
ffmpeg -s 1920x1080 -i input.yuv -s 1920x1080 -i recon.yuv \
-lavfi "psnr=stats_file=psnr.log;ssim=stats_file=ssim.log" \
-f null -执行后，psnr.log 中会输出每帧的 Y-PSNR 与平均 PSNR，ssim.log 输出每帧 SSIM 与平均 SSIM。
4.4 案例场景：x265 预设调优中的指标对比
假设我们需要评估 x265 从 medium 预设切换到 slow 预设是否值得。测试序列为 1080p 的 BasketballDrive，QP=27，结果如下：
| 预设 | 码率 (kbps) | Y-PSNR (dB) | SSIM | 编码时间 (s) | 相对复杂度 |
|---|---|---|---|---|---|
| medium | 4821 | 36.84 | 0.9712 | 128.5 | 1.00× |
| slow | 4512 | 36.91 | 0.9720 | 342.7 | 2.67× |
从数据可以看出：slow 预设节省了约 6.4% 的码率（BD-Rate 约 -6.2%），PSNR 提升 0.07 dB，SSIM 提升 0.0008，但编码时间增加了 2.67 倍。若应用场景是离线转码且对质量要求极高，则值得采用；若为实时流媒体，则 medium 更合适。
4.5 误区与复盘：常见测量陷阱
误区一：只看 Y-PSNR 忽略色度分量
某些调优（如色度去块滤波调整）可能对 U/V 分量影响显著，而 Y-PSNR 几乎不变。必须同时报告 U/V-PSNR 或使用加权 PSNR。
误区二：SSIM 值差异过小时直接下结论
SSIM 差异小于 0.001 时通常不具备主观可感知差异，应结合主观测试或 VMAF 进一步确认。不要仅凭小数点后第三位的差异判定优劣。
误区三：编码时间测量未排除系统噪声
后台进程、CPU 降频、内存带宽波动都会影响编码时间。正确做法是：每个配置至少运行 3 次，取中位数；使用 taskset 绑定 CPU 核心；关闭超线程与动态调频。
误区四：码率对比未考虑 GOP 结构差异
若两个配置的 GOP 长度或 I 帧间隔不同，码率对比会失真。应固定 GOP 结构或使用全 I 帧测试编码器极限性能。
复盘总结：在一次实际调优中，我们曾将去块滤波强度调大，Y-PSNR 提升了 0.03 dB，但 U 分量 PSNR 下降了 0.15 dB，导致肤色区域出现明显色块。后续增加 U 分量 PSNR 作为必查指标后，避免了此类回归。性能评估必须建立多维指标矩阵，任何单一指标的“优化”都可能是另一种指标的“恶化”。