영상 품질 평가는 영상의 해상도, 압축 품질, 노이즈, 왜곡 등과 같은 다양한 지표를 사용하여 영상의 품질을 측정하는 작업입니다. 이 글에서는 파이썬을 사용하여 영상 품질을 평가하는 방법을 알아보겠습니다.

1. PSNR (피크 신호 대 잡음 비율)

PSNR은 영상 품질을 평가하는 지표 중 가장 널리 사용되는 방법 중 하나입니다. PSNR은 원본 영상과 압축된 영상 사이의 차이를 평가하여 품질을 측정합니다. 영상의 픽셀 값 차이가 클수록 PSNR 값이 낮아지며, 픽셀 값 차이가 작을수록 PSNR 값이 높아집니다.

import cv2

def calculate_psnr(original, compressed):
    original_img = cv2.imread(original)
    compressed_img = cv2.imread(compressed)

    mse = np.mean((original_img - compressed_img) ** 2)
    if mse == 0:
        return "무한대"
    max_pixel = 255.0
    psnr = 20 * np.log10(max_pixel / np.sqrt(mse))
    return psnr

calculate_psnr 함수는 원본 영상 파일과 압축된 영상 파일을 입력으로 받아 PSNR 값을 계산하여 리턴합니다.

2. SSIM (구조적 유사성 측정)

SSIM은 영상의 구조적 유사성을 측정하는 방법으로, PSNR과 함께 많이 사용됩니다. SSIM은 영상의 밝기, 대비, 구조 등과 같은 특징을 고려하여 품질을 평가합니다. SSIM 지표는 -1에서 1 사이의 값을 가지며, 1에 가까울수록 원본 영상과의 유사성이 높다는 의미입니다.

from skimage.measure import compare_ssim

def calculate_ssim(original, compressed):
    original_img = cv2.imread(original)
    compressed_img = cv2.imread(compressed)

    original_img = cv2.cvtColor(original_img, cv2.COLOR_BGR2GRAY)
    compressed_img = cv2.cvtColor(compressed_img, cv2.COLOR_BGR2GRAY)

    ssim = compare_ssim(original_img, compressed_img)
    return ssim

calculate_ssim 함수는 원본 영상 파일과 압축된 영상 파일을 입력으로 받아 SSIM 값을 계산하여 리턴합니다.

3. VMAF (Video Multi-Method Assessment Fusion)

VMAF는 최근에 개발된 영상 품질 평가 방법으로, 영상의 시공간적 특성을 고려하여 평가합니다. VMAF는 여러 메트릭스를 활용하여 최종 평가 지표를 도출하며, 품질 평가의 신뢰도와 유효성을 높일 수 있습니다.

VMAF를 계산하기 위해서는 VMAF 모델을 미리 학습시키는 과정이 필요합니다. 학습된 모델은 영상 품질 평가에 활용됩니다.

결론

파이썬을 사용하여 영상 품질을 평가하는 다양한 방법을 알아보았습니다. PSNR, SSIM, VMAF 등 각각의 방법은 영상 품질 평가에 서로 다른 측면을 제공하며, 선택할 때 주어진 상황과 요구사항에 따라 적합한 방법을 선택해야 합니다.

더 자세한 내용은 아래의 참고 자료를 참고하시기 바랍니다.

• OpenCV: https://docs.opencv.org/
• scikit-image: https://scikit-image.org/
• VMAF: https://github.com/Netflix/vmaf