NQM#
NQM 是 "Noise Quality Measure" 的缩写，中文通常翻译为“噪声质量度量”。它是一种用于评估图像质量的指标，特别是在图像压缩、图像恢复（如超分辨率、去噪等）以及图像处理领域中广泛使用。NQM 旨在衡量处理后的图像在去除噪声的同时保留了多少原始图像的细节和结构信息。
NQM 的基本概念#
NQM 通过比较原始图像（Ground Truth）和处理后的图像之间的视觉感知差异来评估图像质量。NQM 考虑了人眼对不同频率和方向的敏感性，因此能够更准确地反映图像在视觉上的质量。
NQM 的计算公式#
NQM 的计算公式较为复杂，涉及多个步骤和参数。以下是 NQM 计算的基本步骤：
预处理：
对原始图像和处理后的图像进行预处理，如归一化、滤波等。
频域分析：
将图像转换到频域，通常使用傅里叶变换（Fourier Transform）或小波变换（Wavelet Transform）。
在频域中，计算不同频率和方向的能量分布。
视觉感知模型：
使用视觉感知模型来模拟人眼对不同频率和方向的敏感性。常用的模型包括视觉滤波器（Visual Filters）和对比敏感度函数（Contrast Sensitivity Function, CSF）。
噪声估计：
在频域中，估计处理后的图像中的噪声水平。
质量评分：
结合频域分析、视觉感知模型和噪声估计，计算最终的质量评分。
NQM 的具体公式和参数设置可能因不同的实现而有所不同，但总体思路是通过频域分析和视觉感知模型来评估图像质量。
NQM 的解释#
高 NQM 值：表示处理后的图像在去除噪声的同时保留了较多的原始图像细节和结构信息，图像质量高。
低 NQM 值：表示处理后的图像在去除噪声的同时丢失了较多的原始图像细节和结构信息，图像质量低。
NQM 的优势#
视觉感知一致性好：NQM 考虑了人眼对不同频率和方向的敏感性，能够更准确地反映图像在视觉上的质量。
适用于噪声去除任务：NQM 特别适用于评估图像去噪算法的效果，能够衡量去噪后的图像在保留细节和结构信息方面的表现。
NQM 的局限性#
虽然 NQM 在许多情况下能够准确反映图像质量，但它也有一些局限性：
计算复杂度较高：NQM 的计算涉及频域分析、视觉感知模型和噪声估计等多个步骤，计算复杂度较高，尤其是在处理大图像时。
参数选择：NQM 的计算依赖于一些参数（如视觉滤波器和对比敏感度函数），这些参数的选择可能会影响最终的评估结果。
总结#
NQM 是一种基于视觉感知模型的图像质量评估指标，通过频域分析和噪声估计来评估图像在去除噪声的同时保留了多少原始图像的细节和结构信息。尽管 NQM 的计算复杂度较高，但它在许多图像处理任务中被认为是一个有效的图像质量评估指标。