4. 图像质量评估方法总览：主观评估方法、客观评估方法与自动化评估工具

在瑞芯微RK平台ISP调优流程中，图像质量评估是连接算法参数调整与最终成像效果的核心环节。评估方法的选择直接影响调优效率与结果的可信度。本章系统梳理三类评估方法：主观评估（人眼视觉感知）、客观评估（数学模型计算）与自动化评估（工程化流水线），并给出在RK平台上的工程实践建议。

4.1 主观评估方法（ITU-R BT.500）

主观评估以人眼为测量仪器，直接反映最终用户的视觉体验。国际电信联盟（ITU）制定的ITU-R BT.500系列标准是主观图像质量评估的权威框架，定义了测试环境、观测条件、评分尺度与数据处理方法。

4.1.1 标准测试环境要求

4.1.2 评分尺度：双刺激连续质量量表（DSCQS）

BT.500推荐使用双刺激连续质量量表（Double Stimulus Continuous Quality Scale, DSCQS）。观测者同时观看参考图像（原始/标准）与测试图像（ISP处理后），在连续刻度上分别打分，最终计算差值。

4.1.3 工程实践要点

• 场景覆盖： 至少包含室内人像、室外风景、夜景、文字文档、高动态范围（HDR）等5类典型场景。
• 盲测设计： 观测者不知道哪张是参考图像，避免心理偏差。
• 数据清洗： 剔除明显异常评分（如所有图像打满分或零分），使用ITU-R BT.500附录中的“观测者一致性检验”方法。
• RK平台适配： 在RK3588/RK3568等芯片的HDMI输出上，确保显示器色彩空间设置为sRGB，关闭所有后处理增强。

4.2 客观评估方法（PSNR / SSIM / CIEDE2000）

客观评估通过数学模型计算参考图像与测试图像之间的差异，提供可重复、可量化的质量指标。在RK平台ISP调优中，客观指标常用于自动化回归测试与参数搜索。

4.2.1 三大核心指标对比

4.2.2 指标计算示例（Python伪代码）

# PSNR 计算
import numpy as np
def psnr(img_ref, img_test):
    mse = np.mean((img_ref - img_test) ** 2)
    if mse == 0:
        return float('inf')
    max_pixel = 255.0
    return 20 * np.log10(max_pixel / np.sqrt(mse))

# SSIM 计算（简化版）
def ssim(img_ref, img_test):
    C1 = (0.01 * 255) ** 2
    C2 = (0.03 * 255) ** 2
    mu_ref = np.mean(img_ref)
    mu_test = np.mean(img_test)
    sigma_ref = np.var(img_ref)
    sigma_test = np.var(img_test)
    sigma_rt = np.mean((img_ref - mu_ref) * (img_test - mu_test))
    return (2 * mu_ref * mu_test + C1) * (2 * sigma_rt + C2) / \
           (mu_ref**2 + mu_test**2 + C1) / (sigma_ref + sigma_test + C2)

# CIEDE2000 需调用色彩科学库，此处仅示意
# from colour.difference import delta_E_CIE2000
# de2000 = delta_E_CIE2000(Lab_ref, Lab_test)

4.2.3 在RK平台上的工程化建议

• PSNR阈值： 对于降噪模块，PSNR提升≥2 dB视为有效改进；对于锐化模块，PSNR可能下降0.5~1 dB但主观质量提升，需结合SSIM判断。
• SSIM阈值： 调优目标通常设为SSIM ≥ 0.95（与参考图像相比）；低于0.90时人眼可察觉结构失真。
• CIEDE2000阈值： 白平衡校正后，灰阶色块的平均ΔE00 ≤ 3为合格，≤ 1为优秀。
• 多指标联合： 单一指标不可靠。例如，过度平滑可提高PSNR但降低SSIM；过度锐化可提高SSIM但增加CIEDE2000（色彩边缘伪影）。

4.3 自动化评估工具

在RK平台ISP调优的工程化流水线中，手动执行主观/客观评估无法满足快速迭代需求。自动化评估工具将图像采集、指标计算、结果汇总、阈值判定集成到一条流水线中，实现“一键评估”。

4.3.1 自动化评估流水线架构

4.3.2 开源/商业工具推荐

4.3.3 在RK平台部署自动化评估的步骤

1. 准备测试图库： 在RK设备上使用固定曝光参数，拍摄标准色卡（X-Rite ColorChecker）、分辨率卡（ISO 12233）、灰阶卡（20阶）及典型场景图。
2. 配置参考图像： 使用专业相机（如Canon 5D Mark IV）在相同场景下拍摄参考图像，或使用RK平台“黄金参数”版本输出作为参考。
3. 编写评估脚本： 调用RK IQ Tool的API或OpenCV，批量计算PSNR/SSIM/CIEDE2000，输出JSON格式结果。
4. 设定阈值与告警： 在CI/CD配置文件中定义阈值（如SSIM < 0.92触发告警），自动标记失败用例。
5. 生成可视化报告： 使用Matplotlib生成指标趋势图、热力图，辅助定位退化场景。

4.4 三种评估方法的协同策略

在RK平台ISP调优的不同阶段，三种评估方法的权重不同：

通过这种分层协同策略，既保证了调优效率，又确保了最终交付质量符合人眼视觉期望。