编码与格式 / 系统课时
用 PSNR SSIM VMAF 比较画质
用 PSNR SSIM VMAF 比较画质
同一段视频使用不同编码参数后,文件大小可能相差一倍,但肉眼未必能立即判断谁更清晰。本课使用 FFmpeg 将编码视频与原始参考视频进行对齐比较,计算 PSNR、SSIM 和 VMAF,建立可复现的画质评价方法,并识别指标与实际观感不一致的情况。
学习目标
- 能解释 PSNR、SSIM、VMAF 的评价对象、分数含义与局限。
- 能使用 FFmpeg 计算三项指标,并检查参考视频和编码视频是否正确对齐。
- 能结合码率、指标与主观观察,选择更合适的编码参数。
三种指标分别衡量什么
视频质量评价通常采用全参考方法:把编码后的视频与未经过该次有损编码的参考视频逐帧比较。参考源质量本身有限时,即使指标很高,也不意味着画面达到了理想视觉质量。
| 指标 | 衡量重点 | 常见分数 | 主要局限 |
|---|---|---|---|
| PSNR | 像素重建误差 | dB,通常越高越好 | 对轻微位移和感知差异敏感,未必符合人眼判断 |
| SSIM | 局部亮度、对比度和结构相似性 | 通常为 0~1,越接近 1 越好 | 不保证与观看体验完全一致 |
| VMAF | 基于视觉特征与训练模型预测感知质量 | 常见模型输出约 0~100,越高越好 | 依赖模型版本、内容分布和处理条件 |
PSNR 根据均方误差 MSE 计算。以 8 位样本为例:
如果 MSE 为 25,PSNR 约为 34.15 dB;如果 MSE 降至 6.25,PSNR 上升约 6.02 dB。完全一致时 MSE 为 0,理论 PSNR 为正无穷大。
SSIM 不只比较逐像素差值,还考察局部图像的亮度、对比度与结构。VMAF 则由 Netflix 开发,综合多种特征并通过训练模型预测主观质量。三者都不能单独证明画面不存在色带、文字模糊或局部严重失真。
准备能够公平比较的视频
假设准备两个文件:source.mp4 是参考视频,encoded.mp4 是待评价的有损编码版本。推荐从同一份高质量源文件出发,先固定分辨率、帧率、裁剪范围、色彩转换方式,再比较编码参数。
先检查 FFmpeg 和 FFprobe 是否可用,并确认当前构建支持相关滤镜。
ffmpeg -version
ffmpeg -filters | grep -E 'psnr|ssim|libvmaf'
ffprobe -v error -select_streams v:0 -show_entries stream=width,height,r_frame_rate,pix_fmt -of json source.mp4
ffprobe -v error -select_streams v:0 -show_entries stream=width,height,r_frame_rate,pix_fmt -of json encoded.mp4预期结果:终端显示 FFmpeg 版本,滤镜列表至少包含 psnr、ssim;计算 VMAF 还要求存在 libvmaf。FFprobe 返回两个视频的宽、高、帧率和像素格式,具体值取决于素材。若找不到 libvmaf,需要安装启用了 libvmaf 支持的 FFmpeg 构建,不能假定所有安装包默认提供。
对齐时需要检查的条件
- 空间对齐:宽高、裁剪区域、显示方向必须一致。不能把裁剪位置不同的画面直接比较。
- 时间对齐:两路视频应具有相同的有效帧序列和对应时间点。需要检查开头是否多出黑帧、是否丢帧及是否存在可变帧率转换。
- 像素处理一致:比较前统一像素格式及必要的色彩处理。不要把不同色彩空间、不同动态范围的数值直接当作同一基准。
- 参考独立:参考文件不能是已经经过同样有损编码的输出,否则可能高估质量。
例如,视频 A 比参考视频整体晚一帧,即使单帧视觉质量接近无损,逐帧误差也可能很大。尺寸相同只代表满足一个必要条件,不代表时间已经对齐。

使用 FFmpeg 计算 PSNR 与 SSIM
下面假设两路视频已经严格对齐,均为 1920×1080、30 fps、相同画幅和 SDR 内容。示例统一转为 8 位 4:2:0 格式;如果原始内容为 HDR 或高位深,应另行建立保留相应信息的比较流程。
ffmpeg -i encoded.mp4 -i source.mp4 -filter_complex '[0:v]format=yuv420p[dist];[1:v]format=yuv420p[ref];[dist][ref]psnr=stats_file=psnr.log' -an -f null -
ffmpeg -i encoded.mp4 -i source.mp4 -filter_complex '[0:v]format=yuv420p[dist];[1:v]format=yuv420p[ref];[dist][ref]ssim=stats_file=ssim.log' -an -f null -预期结果:两次命令成功完成后,终端分别给出类似 PSNR y:... u:... v:... average:... min:... max:... 与 SSIM Y:... U:... V:... All:... 的汇总信息,并生成 psnr.log、ssim.log 逐帧统计文件。省略号对应实际计算值,不是固定得分。
其中 psnr 汇总行里的 average 是整体均方误差对应的 PSNR,不应直接理解为逐帧 dB 分数的算术平均值。比较多个编码版本时,要使用同一种统计口径,避免把不同统计方式混在一张表中。
如果编码视频是 1280×720,而参考视频是 1920×1080,需要先明确评价目标:评价编码后的低分辨率重建效果,应使用预先确定的缩放算法,将比较画面统一到指定分辨率,并在实验记录中注明。缩放本身会影响结果,因此不能把缩放条件不同的指标直接排序。
使用 libvmaf 计算感知质量
VMAF 计算需要 FFmpeg 构建包含 libvmaf 滤镜,且使用的模型与视频内容相匹配。以下命令适用于已具备该滤镜和可用默认模型的 FFmpeg 构建。
ffmpeg -i encoded.mp4 -i source.mp4 -filter_complex '[0:v]format=yuv420p[dist];[1:v]format=yuv420p[ref];[dist][ref]libvmaf=log_fmt=json:log_path=vmaf.json' -an -f null -预期结果:命令完成后,终端通常输出 VMAF score: ...,工作目录生成 vmaf.json。日志包含逐帧计算结果及汇总指标,实际分数由素材、编码失真和模型决定。
注意输入顺序:第一路是失真视频,第二路是参考视频。反过来可能得到错误或不可比较的结果。对于 VMAF,必须同时记录模型名称和版本;不同模型下即使都显示 90 分,也不能直接认定主观质量完全相同。
运行失败时优先检查三个问题:No such filter: libvmaf 表示当前构建缺少滤镜;尺寸或像素格式不匹配需要调整输入;时间轴不对齐则应回到解码帧和时间戳检查,而不是通过忽略异常继续统计。
把画质指标与码率放在一起判断
单独比较 PSNR、SSIM 或 VMAF 不能回答哪种编码设置更划算。实际实验应固定参考素材、编码器版本、分辨率、帧率、预设档位和评价流程,仅改变需要研究的参数,例如 CRF 或目标码率。
假设同一段 60 秒、1080p 视频得到以下演示数据。表中分数是教学用假设值,不是前面命令的真实运行结果。
| 方案 | 视频平均码率 | PSNR | SSIM | VMAF |
|---|---|---|---|---|
| A | 2 Mbps | 37.1 dB | 0.941 | 88.2 |
| B | 3 Mbps | 39.0 dB | 0.962 | 93.4 |
| C | 5 Mbps | 40.2 dB | 0.971 | 95.1 |
B 相比 A 码率增加 50%,VMAF 增加 5.2 分;C 相比 B 码率增加约 66.7%,VMAF 只增加 1.7 分。若业务目标是 VMAF 至少 93 分且尽量节省带宽,在这三个候选方案中应优先选择 B,并通过主观观察确认关键场景没有明显瑕疵。
计算码率节省率时,必须在近似相同质量下比较。若两个编码器达到相近 VMAF,分别需要 4 Mbps 和 3 Mbps,则后者相对前者节省 25% 码率。这比直接宣称某个编码器的 PSNR 更高更有实际意义。
指标冲突时怎样决策
建议截取运动场景、低照度场景、渐变背景和细小文字区域,在目标观看设备上使用相同显示条件进行对比。运动拖影、色带和局部细节损失可能被全片平均分掩盖。
- PSNR 高但 VMAF 低:重点检查细节锐度、纹理保持和整体感知差异。
- SSIM 高但出现明显色带:单独检查天空、暗部渐变以及色彩采样和位深处理。
- VMAF 高但观看体验差:检查模型适用性、帧率变化、时间对齐、HDR 处理及局部异常帧。
最后建立一份实验记录,至少保存参考文件标识、编码器及版本、编码参数、分辨率、帧率、像素格式、平均码率、三个指标及模型版本。只有参考条件和评价口径一致,这些数值才能成为后续编码调优的可靠依据。