basicsr/metrics/README.md

Metrics

English | 简体中文

• 约定
• PSNR 和 SSIM

约定

因为不同的输入类型会导致结果的不同，因此我们对输入做如下约定:

• Numpy 类型 (一般是 cv2 的结果)
  • UINT8: BGR, [0, 255], (h, w, c)
  • float: BGR, [0, 1], (h, w, c). 一般作为中间结果
• Tensor 类型
  • float: RGB, [0, 1], (n, c, h, w)

其他约定:

• 以 _pt 结尾的是 PyTorch 结果
• PyTorch version 支持 batch 计算
• 颜色转换在 float32 上做；metric计算在 float64 上做

PSNR 和 SSIM

PSNR 和 SSIM 的结果趋势是一致的，即一般 PSNR 高，则 SSIM 也高。 在实现上, PSNR 的各种实现都很一致。SSIM 有各种各样的实现，我们这里和 MATLAB 最原始版本保持 (参考 NTIRE17比赛 的 evaluation代码)

下面列了各个实现的结果比对. 总结：PyTorch 实现和 MATLAB 实现基本一致，在 GPU 运行上会有稍许差异

• PSNR 比对

Image	Color Space	MATLAB	Numpy	PyTorch CPU	PyTorch GPU
baboon	RGB	20.419710	20.419710	20.419710	20.419710
baboon	Y	-	22.441898	22.441899	22.444916
comic	RGB	20.239912	20.239912	20.239912	20.239912
comic	Y	-	21.720398	21.720398	21.721663

• SSIM 比对

Image	Color Space	MATLAB	Numpy	PyTorch CPU	PyTorch GPU
baboon	RGB	0.391853	0.391853	0.391853	0.391853
baboon	Y	-	0.453097	0.453097	0.453171
comic	RGB	0.567738	0.567738	0.567738	0.567738
comic	Y	-	0.585511	0.585511	0.585522