1. 图像质量基础：评价指标、人眼视觉与硬件的关系
各位同学，欢迎来到《图像质量调优与硬件架构优化》的第一章。我是你们这门课的主讲。
做图像处理这行十几年了，我最大的感触就是：没有“好”的图像，只有“适合场景”的图像。你想想看，一张医学X光片和一张朋友圈自拍，对“清晰”的定义能一样吗？
所以，我们得先建立一套通用的“语言”，用来描述和衡量图像质量。这套语言，就是今天要讲的评价指标、人眼特性和硬件基础。
1.1 图像质量评价指标：三把尺子
评价图像质量，说白了就是拿“失真后的图”和“原始无损图”做对比。业界最常用的三把尺子：PSNR、SSIM、LPIPS。它们各有各的脾气。
1.1.1 PSNR（峰值信噪比）—— 最老实的“数学派”
PSNR 是元老级指标。它纯粹从像素误差的角度算，公式很简单：
PSNR = 10 * log10( (MAX^2) / MSE )其中 MSE 是均方误差，MAX 是像素最大值（比如 255）。
优点：计算快，物理意义明确。在压缩编码领域，它依然是硬通货。
缺点：它不关心人眼怎么看。举个例子，一张图整体亮度偏移一点，PSNR 会很低；但人眼其实不太敏感。反过来，如果图像边缘出现轻微振铃（ringing），PSNR 可能很高，人眼却觉得“这图看着好假”。
1.1.2 SSIM（结构相似性）—— 更懂人眼的“结构派”
SSIM 的出现，就是为了弥补 PSNR 的不足。它从三个维度对比两幅图：亮度 (luminance)、对比度 (contrast)、结构 (structure)。
公式长这样（理解思想就行，不用背）：
SSIM(x,y) = [l(x,y)]^α * [c(x,y)]^β * [s(x,y)]^γSSIM 的值在 0 到 1 之间，越接近 1 表示越像。
优点：与人眼主观感受的相关性比 PSNR 好得多。特别是对模糊、噪声这类失真的评价，SSIM 更靠谱。
缺点：对平移、旋转、缩放等几何失真不敏感。而且，它依然是个“全参考”指标，需要原始图。
1.1.3 LPIPS（学习感知图像块相似度）—— 拥抱深度学习的“感知派”
LPIPS 是近年来的新星。它不再手工设计公式，而是用预训练的深度神经网络（比如 AlexNet、VGG）来提取特征，然后在特征空间里算距离。
简单说：让神经网络告诉我们，两张图在“语义上”有多像。
| 指标 | 核心思想 | 优点 | 缺点 | 常用场景 |
|---|---|---|---|---|
| PSNR | 像素级误差 | 计算快，物理意义明确 | 与人眼感知脱节 | 压缩编码、通信 |
| SSIM | 亮度、对比度、结构 | 更符合人眼感知 | 对几何失真不敏感 | 图像去噪、增强 |
| LPIPS | 深度特征空间距离 | 最接近主观评价 | 计算量大，依赖预训练模型 | 超分辨率、生成模型 |
1.2 人眼视觉系统特性：我们到底在看什么？
搞图像质量，不懂人眼特性，就像造车不懂路况。这里有几个关键点：
- 亮度非线性（韦伯-费希纳定律）：人眼对暗部细节的敏感度远高于亮部。所以，调优时暗部噪声要压得更狠，亮部可以稍微“放水”。
- 对比度敏感度函数（CSF）：人眼对中频信息最敏感，对极高频（精细纹理）和极低频（大块均匀区域）不太敏感。这就是为什么 JPEG 压缩可以狠砍高频系数。
- 视觉掩蔽效应：一个视觉刺激会被另一个邻近的刺激“掩盖”。比如，在纹理复杂的区域，你加一点噪声，人眼根本看不出来；但在平坦的天空区域，加一点噪声就非常明显。
1.3 图像质量与硬件的关系：从算法到芯片的鸿沟
算法在电脑上跑得再好，如果不能在硬件上高效实现，就是空中楼阁。我见过太多优秀的算法，因为硬件资源不够，最后被砍得面目全非。
硬件架构师眼里，图像质量调优要考虑这些：
- 位宽与精度：算法里用 float32 算得很开心，但硬件里用 int8 甚至 int4 是常态。量化误差会直接影响 PSNR。
- 带宽与存储：一张 4K 图像，RGB 三通道，一帧就是 25MB。如果要做多帧融合（比如 HDR），带宽压力巨大。很多降噪算法因为“读不过来”而被放弃。
- 流水线与延迟：视频处理要求实时。一个复杂的去马赛克算法，如果导致流水线 stall，帧率掉到 30fps 以下，产品就废了。
- 功耗与面积：手机芯片里，ISP 模块的面积是固定的。你要在“加一个硬件模块提升 0.5dB PSNR”和“省下面积给 GPU”之间做 trade-off。
下面这张图，是我自己总结的图像质量与硬件架构的协同设计流程，希望能帮你建立全局观：
好了，第一章的内容就到这里。我们建立了图像质量的“度量衡”，也理解了人眼这个“终极裁判”的喜好，更看到了算法与硬件之间那道必须跨越的鸿沟。这些基础，会贯穿我们后续所有的调优和架构设计。