Guía completa de métricas de calidad de imagen - Comparación de SSIM, PSNR y VMAF

Qué son las métricas de calidad de imagen - Por qué importa la medición objetiva

Los métodos para evaluar la calidad de imagen y vídeo se dividen en dos categorías: evaluación subjetiva y objetiva. La evaluación subjetiva implica mostrar imágenes a sujetos humanos y recopilar puntuaciones (MOS: Mean Opinion Score), pero este enfoque es costoso, lento y difícil de reproducir. Por ello se han desarrollado algoritmos matemáticos que cuantifican la calidad como valores numéricos: las métricas de calidad objetiva.

Las métricas objetivas desempeñan un papel indispensable en la automatización de pipelines de compresión. Por ejemplo, cuando un servicio de distribución de imágenes necesita comprimir millones de imágenes con calidad óptima, verificar cada una manualmente es impracticable. Usando métricas como SSIM o VMAF, se pueden establecer umbrales de calidad y ajustar automáticamente los parámetros de compresión.

Las métricas de calidad objetiva más utilizadas incluyen:

• PSNR (Peak Signal-to-Noise Ratio): La métrica más clásica. Rápida de calcular pero con baja correlación con la percepción humana
• SSIM (Structural Similarity Index): Similitud estructural que considera las características del sistema visual humano. Ampliamente utilizada para gestión de calidad de imágenes web
• VMAF (Video Multimethod Assessment Fusion): Métrica basada en aprendizaje automático desarrollada por Netflix. Estándar de facto para evaluación de calidad de vídeo

Todas estas métricas son de tipo Full-Reference, que comparan una "imagen de referencia (original)" con una "imagen de prueba (comprimida)". Existen métricas No-Reference (BRISQUE, NIQE, etc.) para casos sin imagen de referencia, pero su precisión es inferior.

Cómo funciona PSNR - Medición de error a nivel de píxel

PSNR (Peak Signal-to-Noise Ratio) es la métrica más simple que mide la diferencia de valores de píxel (error) entre la imagen original y la comprimida. La fórmula es:

PSNR = 10 * log10(MAX^2 / MSE)

Donde MAX es el valor máximo de píxel (255 para imágenes de 8 bits) y MSE es el Error Cuadrático Medio, el promedio de las diferencias al cuadrado de todos los píxeles. PSNR se mide en decibelios (dB), donde valores más altos indican mejor calidad.

Guía general de PSNR:

• Superior a 40 dB: Casi indistinguible del original
• 30-40 dB: Calidad prácticamente suficiente. Las imágenes web típicamente están en el rango de 32-38 dB
• 20-30 dB: La degradación es visualmente perceptible
• Inferior a 20 dB: Calidad claramente deficiente

El problema fundamental de PSNR es que no considera las características de la visión humana. Por ejemplo, añadir ruido uniforme a toda una imagen versus añadir ruido fuerte solo en los bordes puede producir el mismo MSE, pero los humanos perciben la calidad de forma muy diferente. PSNR no puede capturar que el ruido en regiones con textura es menos perceptible mientras que en regiones planas es muy visible.

A pesar de estas limitaciones, PSNR sigue siendo útil por su bajo coste computacional y facilidad de interpretación. Es práctico para filtrado rápido de grandes conjuntos de imágenes o comparación de parámetros dentro del mismo códec. En Python, se calcula fácilmente con skimage.metrics.peak_signal_noise_ratio.

Cómo funciona SSIM - Similitud estructural basada en la visión humana

SSIM (Structural Similarity Index), propuesto por Wang et al. en 2004, se basa en el conocimiento de que el sistema visual humano prioriza la información estructural en las imágenes. Mientras PSNR mide errores a nivel de píxel, SSIM evalúa independientemente tres componentes - luminancia, contraste y estructura - y los combina en una puntuación única.

Tres componentes de comparación:

• Comparación de luminancia l(x,y): Compara la luminancia media de dos parches de imagen. Evalúa diferencias de brillo general
• Comparación de contraste c(x,y): Compara desviaciones estándar. Evalúa diferencias de contraste local
• Comparación de estructura s(x,y): Coeficiente de correlación entre señales normalizadas. Evalúa similitud de patrones

El SSIM final se calcula como SSIM(x,y) = l(x,y)^α * c(x,y)^β * s(x,y)^γ (típicamente α=β=γ=1). Los valores van de -1 a 1, donde 1 indica similitud perfecta. En la práctica, puntuaciones superiores a 0.95 se consideran imperceptibles para los espectadores.

SSIM se calcula localmente usando una ventana gaussiana deslizante de 11x11, promediando después sobre toda la imagen. Este cálculo local captura variaciones de calidad en diferentes regiones. Una métrica derivada, MS-SSIM (Multi-Scale SSIM), evalúa a múltiples escalas para reflejar mejor la calidad a diferentes distancias de visualización.

Para implementación, muchas herramientas soportan SSIM: compare -metric SSIM de ImageMagick, skimage.metrics.structural_similarity de Python, y el filtro ssim de FFmpeg. Es ideal para integración en pipelines CI/CD para verificar automáticamente la calidad tras transformaciones de imagen.

La innovación de VMAF - Reproduciendo la percepción humana con aprendizaje automático

VMAF (Video Multimethod Assessment Fusion) es una métrica de calidad publicada por Netflix en 2016 que usa aprendizaje automático para fusionar múltiples métricas elementales, entrenada para maximizar la correlación con evaluaciones subjetivas humanas (MOS). Se ha convertido en el estándar de la industria para control de calidad de streaming de vídeo, adoptado por YouTube, Disney+ y muchos otros servicios.

Componentes de VMAF:

• VIF (Visual Information Fidelity): Fidelidad de información basada en modelos estadísticos de imágenes naturales. Calculada a 4 escalas
• DLM (Detail Loss Metric): Mide la pérdida de detalle. Detecta degradación en bordes y texturas
• Información de movimiento: Magnitud del movimiento entre fotogramas. La degradación es menos perceptible en escenas con mucho movimiento

Estas características se fusionan usando un SVM (Support Vector Machine) para producir una puntuación de 0-100. Puntuaciones superiores a 93 se consideran "excelentes", 80-93 "buenas" y 60-80 "aceptables". Netflix usa VMAF 93+ como estándar de calidad para codificar su biblioteca de contenido.

La fortaleza de VMAF reside en su capacidad de usar modelos específicos por contenido (anime, acción real, deportes, etc.). El modelo vmaf_v0.6.1 es de propósito general, mientras que vmaf_4k_v0.6.1 está diseñado para contenido 4K. También está disponible un modelo vmaf_phone para visualización móvil.

La evaluación de imágenes estáticas es posible usando la biblioteca libvmaf vía FFmpeg: ffmpeg -i original.png -i compressed.png -lavfi libvmaf -f null -. Sin embargo, dado que VMAF fue diseñado para vídeo, SSIM o MS-SSIM pueden ser más apropiados para imágenes fijas en algunos casos.

Comparación de métricas - Eligiendo la correcta para tu caso de uso

Cada una de las tres métricas tiene fortalezas y debilidades distintas, haciendo importante la selección apropiada según el caso de uso. Aquí se presenta una comparación en dimensiones clave.

Velocidad de cálculo: PSNR es la más rápida, procesando un par de imágenes 1920x1080 en milisegundos. SSIM tarda 3-5 veces más que PSNR pero sigue siendo suficientemente rápida. VMAF es la más costosa computacionalmente, requiriendo 10-50 veces más tiempo que SSIM. En pipelines de procesamiento por lotes con grandes volúmenes, esta diferencia de velocidad se vuelve significativa.

Correlación con la percepción humana: Los metaanálisis de investigación académica muestran coeficientes de correlación con puntuaciones subjetivas (MOS) de aproximadamente 0.7-0.8 para PSNR, 0.85-0.92 para SSIM y 0.93-0.96 para VMAF. VMAF proporciona la aproximación más cercana a la percepción humana, aunque la diferencia con SSIM se reduce para imágenes fijas específicamente.

Casos de uso recomendados:

• Gestión de calidad de imágenes web: SSIM recomendado. Buen equilibrio entre velocidad y precisión, fácil integración CI/CD. Establecer umbral en 0.95+
• Control de calidad de codificación de vídeo: VMAF recomendado. Considera movimiento y cambios de escena. Establecer umbral en 93+
• Filtrado rápido: PSNR recomendado. Usar como filtro de primera pasada para grandes conjuntos, luego reevaluar imágenes marcadas con SSIM
• Investigación y publicaciones: La convención es reportar múltiples métricas. PSNR y SSIM son obligatorias; añadir VMAF fortalece la credibilidad

En la práctica, se recomienda combinar múltiples métricas en lugar de depender de una sola. Por ejemplo, si SSIM es alto pero PSNR es extremadamente bajo, puede estar ocurriendo una degradación localizada severa.

映像品質評価の専門書は Amazon でも入手できます

Ejemplos de implementación - Automatizando la evaluación de calidad con Python y FFmpeg

Aquí se presentan métodos concretos de implementación para integrar la evaluación de calidad en tu flujo de desarrollo. Los pipelines de automatización usando Python y FFmpeg sirven como puertas de calidad en servicios de distribución de imágenes y sistemas CI/CD.

Cálculo de SSIM con Python (scikit-image):

from skimage.metrics import structural_similarity as ssim
from skimage.metrics import peak_signal_noise_ratio as psnr
import cv2
original = cv2.imread('original.png')
compressed = cv2.imread('compressed.png')
ssim_score = ssim(original, compressed, channel_axis=2)
psnr_score = psnr(original, compressed)

Cálculo de VMAF con FFmpeg:

ffmpeg -i original.png -i compressed.png -lavfi "libvmaf=model=version=vmaf_v0.6.1:log_fmt=json:log_path=vmaf.json" -f null -

Para puertas de calidad en CI/CD, un flujo de trabajo de GitHub Actions que mide SSIM después de la conversión de imágenes y falla el build si alguna imagen cae por debajo del umbral es altamente efectivo. Específicamente, después de convertir imágenes con sharp o imagemin, un script Python calcula SSIM y devuelve un error si alguna imagen puntúa por debajo de 0.95.

Optimización de procesamiento por lotes: Al procesar grandes volúmenes, un enfoque de dos etapas es eficiente - primero filtrar con PSNR (marcar todo lo que esté por debajo de 35 dB), luego evaluar solo las imágenes marcadas con SSIM. Esto reduce el tiempo de procesamiento en un 60-80% comparado con aplicar SSIM a todas las imágenes.

Además, dssim (una variante de SSIM basada en diferencias) está implementada en Rust y funciona 5-10 veces más rápido que scikit-image de Python. Para pipelines de imágenes a gran escala, considera usar dssim. Línea de comandos: dssim original.png compressed.png produce una puntuación de 0 (idéntico) a 1+ (gran diferencia).