Csúcs jel-zaj arány

Az oldal jelenlegi verzióját még nem ellenőrizték tapasztalt közreműködők, és jelentősen eltérhet a 2016. május 23-án felülvizsgált verziótól ; az ellenőrzések 3 szerkesztést igényelnek .

A csúcsjel-zaj viszony ( eng. peak signal -noise ratio ) a PSNR rövidítése , és egy mérnöki kifejezés, amely a maximális lehetséges jelérték és a jelértékeket torzító zajteljesítmény közötti arányt jelenti. Mivel sok jel széles dinamikatartománnyal rendelkezik, a PSNR-t általában log skálán mérik decibelben .

A PSNR-t leggyakrabban a képtömörítés torzítási szintjének mérésére használják . A legegyszerűbben az átlagos négyzetes hiba ( RMS ) vagy az MSE ( angolul mean square error ) segítségével határozható meg.

1. MSE használata esetén ez a mutató két , m × n méretű I és K monokróm képhez , amelyek közül az egyik a másik zajos közelítésének tekinthető, a következő képlettel számítható ki:

{\mathit {MSE}}={\frac {1}{mn}}\sum _{{i=0}}^{{m-1}}\sum _{{j=0}}^{{n -1}}|I(i,j)-K(i,j)|^{2}

A PSNR meghatározása a következő:

{\mathit {PSNR}}=10\log _{{10}}\left({\frac {{\mathit {MAX}}_{I}^{2}}{{\mathit {MSE}}}} \right)=20\log _{{10}}\left({\frac {{\mathit {MAX}}_{I}}({\sqrt ({\mathit {MSE}}}}}}\jobbra )

ahol MAX I a képpixel által elfogadott maximális érték. Ha a pixelek 8 bit szélesek, MAX I = 255 . Általánosságban elmondható, hogy ha a jelértékeket lineárisan ( PCM ) ábrázoljuk B bit/érték értékkel, akkor a MAX I maximális lehetséges értéke 2 B -1 lesz.

2. RMS ( eng. root-mean-square error ) használata esetén ez a mutató két , m × n méretű I és K monokróm kép esetén, amelyek közül az egyik a másik zajos közelítésének tekinthető, a következőképpen számítható ki: :

{\mathit {RMSE}}={\sqrt ({\frac {1}{mn}}\sum _{i=0}^{m-1}\sum _{j=0}^{n -1}|I(i,j)-K(i,j)|^{2}}}

A PSNR meghatározása a következő:

{\mathit {PSNR}}=10\log _{10}\left({\frac ({\mathit {MAX}}_{I}^{2}}{{\mathit {RMSE}}^ {2}}}\right)=20\log _{10}\left({\frac {{\mathit {MAX}}_{I}}{\mathit {RMSE}}}\jobbra)

Meg kell jegyezni, hogy a "csúcsjel-zaj viszony" kifejezés az angol "peak signal-noise ratio" kifejezés gyakran használt, de nem teljesen helyes szó szerinti fordítása. A helyes fordítás a "csúcs jel-zaj arány" lenne. Ez figyelembe veszi azt a tényt, hogy a PSNR kiszámításakor pontosan a maximálisan lehetséges („csúcs”) jel arányát kell kiszámítani a zajszinthez viszonyítva, és nem a számított jel maximális („csúcs”) arányát. -to-noise értéket keresünk, amint azt a hibás szó szerinti fordításból megérthetjük.

A pixelenként három RGB -komponenst tartalmazó színes képekre ugyanaz a PSNR-definíció vonatkozik, de az MSE-t mindhárom összetevőre számítják (és elosztják a képméret háromszorosával).

A képtömörítés tipikus PSNR-értékei 30 és 40 dB között vannak [1] .

Lásd még

Jel-zaj arány
Videó minőség
Szubjektív videó minőség

Jegyzetek

↑ http://www.sial.iias.spb.su/files/stvc.pdf

Linkek

Program a PSNR kiszámításához BMP-fájlokhoz és videókhoz

Tömörítési módszerek

Elmélet

Információ	Saját Kölcsönös Entrópia Feltételes entrópia Bonyolultság Redundancia
Egységek	Bit Nat Rágcsál Hartley Hartley képlet

Veszteségmentes

Entrópia tömörítés	Aszimmetrikus számrendszerek Huffman algoritmus Adaptív Huffman algoritmus Shannon-Fano algoritmus Shannon algoritmusa Aritmetikai kódolás ( intervallum ) Golomb kódok Delta Univerzális kód Elias fibonacci
Szótári módszerek	RLE Kienged LZ ( LZ77/LZ78 LZSS LZW LZWL LZO LZMA LZX LZRW LZJB LZT LZ4 Brotli zstandard )
Egyéb	RLE CTW BWT MTF PPM DMC

Hang

Elmélet	Konvolúció PCM Aliasing Mintavétel Kotelnyikov tétele
Mód	LPC LAR LSP WLPC CELP ACELP Törvény μ-törvény ADPCM MDCT Fourier transzformáció Pszichoakusztikus modell
Egyéb	Audio kompresszor Beszédtömörítés Sáv kódolás

Képek

Feltételek	színtér Pixel Telítettségi részmintavétel Tömörítési műtermékek
Mód	RLE DPCM fraktál hullámocska EZW SPIHT LP PrEP PCL
Egyéb	Bitráta Szabványos tesztkép PSNR Kvantálás

Videó

Feltételek	Videó jellemzői Keret Keret típusok Videó minőség
Mód	Mozgáskompenzáció PrEP Kvantálás hullámocska
Egyéb	Videokodek Sebesség-torzítás elmélet CBR ABR VBR