153、客观指标深度解析：PSNR、SSIM与VIF的数学原理与局限一个让我失眠的调试夜2018年，某旗舰手机项目，夜景模式。算法团队交上来一版号称“PSNR提升3dB”的降噪方案。我拿测试图一看，噪点确实少了，但人脸皮肤纹理糊成了一片，像打了蜡。产品经理拍桌子说“这指标漂亮，上！”我硬是压了三天，让团队重新调参。为什么？因为PSNR这个数字，在某些场景下就是个骗子。后来我养成了一个习惯：看客观指标之前，先问三个问题——这个指标在算什么？它忽略了什么？它会被什么欺骗？今天这篇笔记，就把PSNR、SSIM、VIF这三把尺子的底裤扒干净。PSNR：最老实的骗子PSNR的数学公式很简单，但它的“老实”恰恰是最大的陷阱。PSNR = 10 * log10(MAX^2 / MSE)其中MSE是逐像素的均方误差。MAX是像素最大值，8bit图像就是255。数学上它做了什么？把两幅图像逐像素相减，平方，求平均，然后取对数。就这么简单粗暴。它忽略了什么？一切与“像素值差异”无关的信息。纹理结构？不管。边缘方向？不管。人眼对不同频率的敏感度？不管。它只认一个事：像素值差了多少。真实案例：某次做HDR合成，两版算法。A版PSNR=38.2，B版PSNR=37.6。A版赢了0.6dB