去噪效果评价算法分析，SNR,PSNR,SSIM等的区别与优劣对比

look_w

（1）SNR与PSNR：
SNR计算图像自身的信噪比，评价一个图像中信号的强度或者噪声的强度，其输入是一幅图像数据。SNR并不能客观评价图像的去噪效果或者压缩图像的相似度。
PSNR计算两幅图像之间的相似度，评价的是一幅estimated的图像相对于原图像的噪声强度，这个概念的提出应该是针对图像压缩领域，在图像去噪领域由于没有原图做对比，只能是噪声图与降噪图做对比，似乎说服力要弱一些。
（2）Method Noise：NLM作者提出的去噪图像与含噪图像之间噪声差异的计算，如果计算得到基本为白噪声，看不出图像几何结构或细节特征就说明去噪很有效。
（3）SSIM：结构相似性，是一种衡量两幅图像相似度的指标。SSIM使用的两张图像中，一张为未经压缩的无失真图像，另一张为失真后的图像。也是视频质量评价的一种优秀算法。不过依然具有PSNR的问题。
（4）其实对于去噪效果的直观评价，还是有专业的评价工具的，不过都是付费的，在业界内，做去噪的公司都是有这个机构，算法工程师给他们图，他们可以给出包括锐度，结构完整性，信噪比等等许多参数的综合评价。