如何評價這種影象質量的好壞？

謝邀！先說一下2011年提出的BRISQUE，評價依據是

自然影象的亮度歸一化後是趨向於高斯分佈的

，而失真會破壞這種分佈，所以透過測量這種統計特徵的改變可以達到衡量失真程度的目的。大概是這樣做的，先計算影象亮度的MSCN係數，然後從四個方向上擬合AGGD模型，用高斯分佈的形狀引數作為特徵，然後拿訓練資料庫中影象的這些特徵以及對應MOS值來訓練SVM模型，最後用訓練好的模型來評價待測影象。

所以我們可以看到至少BRISQUE是有兩點侷限的，一是隻考慮了影象亮度分佈的高斯性，並且

只看影象有沒有失真，而不關心美不美

；二是擬合的模型侷限於資料庫，也只對資料庫列舉出的典型失真效果較好。沒看錯的話，這張圖是由資料庫中的兩張參考影象融合而成，它是沒有那幾種典型失真的；而且你可以想想

訊號的線性可加性

，兩張自然影象單獨亮度歸一化後趨向於一樣的統計特性，你把它們用不同的權值加起來，然後來看融合影象的這種統計特性，會有多大的改變？得分高也是可以預見的。

關於怎麼評價這張影象的質量，要看你想用怎樣的標準去判斷。1。大多數通用的方法做的都是評價影象的失真程度，你要是從這方面入手的話，可以試試那些選取特徵種類較多的方法，特別是

結構特徵

，這樣的演算法會考慮待測影象很多方面的特性，這張融合影象顯然是經不起邊緣以及結構方面的推敲的。2。從融合影象質量評價的角度考慮，比如HDR、全景、夜景照片就用到了影象融合，這種針對性的演算法就會更多地考慮邊界有沒有融合好，融合後的亮度、清晰度夠不夠自然。3。從影象美學方面考慮影象的質量，不過這方面比較玄乎，而且也缺乏通用的方法，效果較好的都是針對具有某一類構圖特徵的影象。

如果你只是學習一下質量評價開闊視野的話以上說的就夠了，更多的話就需要你自己去制定一個標準了，什麼是你想要的好影象、什麼樣的不好，然後去尋找反映這種好壞的數字特徵，再去訓練得到你想要的評價模型。

現階段很少或者幾乎沒有真正通用的、效果好的、滿足大多數要求的評價方法，能直接拿出來就貼切的評價現實拍攝的照片，每種方法都是針對自己選定的那一個面去創新的，所以你也不可能期望隨便拿出個方法就能評價各種圖片。