MSE: Mean Square Error，均方误差
假设现在有两个图像，名字分别是X和Y，其中的元素分别记为xi,yi,元素总数为N，那么MSE的计算公式为：
也就是最简单的逐元素比较，MSE越小说明两个图像越相近，重建质量越好。
PSNR: Peak Signal to Noise Ratio，峰值信噪比
PSNE是基于MSE得到的，其计算公式为：
其中MAXI是一个常数，表示图像最大动态范围，如果是float型，是1，如果是int8型，是255。
因为MSE放在了分母上，所以PSNR越大越好，在我阅读的文献中，一般30以上算是比较好的结果了。
MSE与PSNR的问题是，在计算每个位置上的像素差异时，其结果仅与当前位置的两个像素值有关，与其它任何位置上的像素无关。这也就是说，这种计算差异的方式仅仅将图像看成了一个个孤立的像素点，而忽略了图像内容所包含的一些视觉特征，特别是图像的局部语义信息。而图像质量的好坏极大程度上是一个主观感受，其中语义信息对人主观感受的影响非常之大。
在介绍SSIM的计算公式前，有几个基本指标要介绍：
均值：
标准差：
假设我们有另外一个图像块，像素数目也为N，其中的元素记为yi， 那么两个图像块减去均值后的余弦相似度公式为：
其中σxy表示协方差
SSIM的公式为：
其中
实际计算时，K1一般取0.01，k2一般取0.03
特别注意：按照上述方法，我们计算得到了一个图像块的SSIM值，在实际计算时，一个图像块通常取成正方形，然后将该SSIM值赋给图像块的中心位置。然后滑动这个正方形块，可以得到其他所有位置的SSIM值，于是我们就得到了一个SSIM图。然而在实际中，我们对两张图像进行计算得到的通常是一个SSIM值，这个值在文章中称为mean SSIM（MSSIM），计算方法是对SSIM图取平均：
