图像质量评价是图像处理、计算机视觉和多媒体通信等领域中不可或缺的一环。通过客观、准确的参数指标，我们可以对图像的质量进行全面的评估，进而为图像处理算法的优化、系统性能的提升以及用户体验的改善提供有力支持。那么，图像质量评价的参数指标有哪些呢？本文进行了简单总结。
1.分辨率
图像分辨率体现了给定的图像转换系统对图像细节的描述程度，要把分辨率与整个图像的锐化程度或者图像质量的整体评估正确地区分。分辨率是决定输出信号能否在给定的图像尺寸下包含足够细节信息的唯一参数，它和图像是否锐化或者是否受到干扰的影响没什么关系。分辨率常用一维或者线分辨率来表示，因为这样方便测量且符合理论。用待测相机拍摄一个称为“wedge”的测试模板，该模板被黑白线间隔覆盖，且线间距离逐渐放大。待测相机将它视为一帧电影、一张打印照片或是一幅在电子显示器上重构的图像进行视觉观察，然后以合适的分辨率决定点数，使得白线与黑线有一定的距离。也就是说，分辨率是目标图像系统所能传输的最高空间频率。图1为ISO 12233定义的测试图，专门用于数码相机，并且有双曲型分辨率楔型条纹用于优化视觉分辨率的测量。
2. 频率响应
与分辨率类似，频率响应是一种与空间输出响应相关的参数，但是它涵盖所有频段的响应，它常由输出信号的响应幅度（归一化的最低频率）与频率绘制成的曲线来表示，测试系统的输入采用频率扫描方法。频率响应相当于光学系统的MTF，从响应曲线中可以读出各种与图像质量相关的信息。例如，在每个频率下的一个更高的输出级别都会给出更高的锐化度。分辨率的值相当于响应曲线的最高频率。即使一些系统有着相同的分辨率，在中频范围内具有更高响应的系统有更高的锐化度。
3. 噪声
广义上讲，任何信号成分混入输出所引起的实际输出与期望输出之间的差异都可以称为噪声。这个词源于音频技术，有时也称为“失真”，它产生于观察到的图片发生几何形状的变化或者视频信号的波形变化。从这个观点来看，一切造成图像恶化的因素都可以称为噪声。在通常情况下，人们常用一种相对狭义的定义，即在输入是平稳的信号时，将波动的信号叠加在输出信号上并称之为噪声。最主要的噪声是在图像系统的光电转换过程（如散粒噪声、暗电流等）和信号处理过程中产生的，其中包括电路的干扰（如放大器噪声、电源开关噪声等）。大部分时候，人们希望噪声越少越好。为了定量评估噪声，用图像信号的偏差分布作为评价噪声的一个指标，采用对均匀白图进行拍摄作为预先设定的参考信号的值。其参考值为零时，即图像系统完全被遮光，噪声被称为“暗噪声”。标准偏差或者最大偏差（峰峰值的差）通常 用来指示噪声的强度。信噪比，即噪声和参考信号的比值。作为一个评估值，通常使用它的对数值。
4. 灰度（色调曲线、伽马特性曲线）
用灰度来评估从低光强到高光强的输入输出特性曲线，这个曲线被称为灰度曲线或者色调曲线。相机从输入目标光照度到输出信号的色调曲线，而每一个输出设备（如显示器、打印机等）都有一个从输入信号到输出光照度的色调曲线。总体灰度是由相机和输出设备的整体色调曲线所描述的。这些图像设备中的一部分色调曲线有时是近似以指数方式增长，公式如下：上式中，x是输入，y是输出，k是线性常数，γ是指数系数。所以，色调曲线有时也称为伽马特性曲线。能给整体灰度当作参考的典型参数称为线性参数。如果输出结果显示的强度和原始目标的光照度成比例，就可以说这是一个理想的图像再现过程。灰度参数在一个实际的图像系统中适当地受到限制，至少在高光照度和低光照度的部分压缩是很正常的。对相机中灰度参数的评估，需要考虑以下两点：第一，要考虑一个输入信号是否能够被处理成标准信号的伽马曲线，这是最基本的。第二，在选好显示设备后，需要考虑整体的色调再现是否是恰当的。也就是说相机的色调曲线经由基本的标准伽马曲线怎么转换才能再现最佳的视觉图像。
5. 动态范围
动态范围是检测信号中最大值和最小值的比，即最大的光照度和最小的光照度的比值，它常常是以对数形式表示出来的（以分贝或曝光值为单位）。将处理信号的范围分为两部分：高于或者低于一个任意边界的参考信号值（通常选用白点评做参考）。这个边界（高光照度）以上的信号范围取决于信号电平的最大值（饱和度），反之则取决于噪声（信噪比）。动态范围是这两个范围之和。输入饱和度指的是在输出信号达到最大或者停止变化的点（饱和点）的目标光照度，也可以理解为是灰度曲线变平之上的点。因此，边界以上的范围可以由下面的方法给出，即计算输入饱和值和对应于参考信号的目标光照度的比值。
6. 色彩再现
目标物体的色彩是否能真实地再现和恰当地传达给观察者体现了色彩再现的质量。一个比色图表的照片由测试相机拍摄，这个图片可以经适当的公式转换后给出相应的色度值。在它的帮助下，我们可以得出每种颜色由相机产生的色度和它预期色度差值。为了评估整体色彩再现的结果，需要一个显示设备或者打印出的图像，然后测量输出设备中显示的输出光照的色度，并和预期的值进行比较。影响人类感知色彩的因素有很多，例如亮度大小的影响，对色彩的记忆，背景色的影响，在反射和传输中给人感觉的不同，还有系统有限的动态范围的影响。此外，目前的色彩学和色度学是基于三刺激值的等色理论（三色分立理论）建立起来的，但是实际上人类颜色视觉与光谱有关，很难直接用三色表示。基于这个原因，图像色度和预期值之间微小的偏差不能简单的表示真实色彩的重现。因此，通常观察比色图或实际物体作为最终的评估。所以在现有技术条件下，色彩再现的选择，即什么样的色彩呈现在输出设备上，是依赖于设计者或者评估者的主观敏感度的。然而，色彩再现中的数值计算对于一个图像系统依然是非常有用的。图像的许多重要性能参数可以在色度上进行量化评估，例如，色彩的饱和度、色彩的再现范围，色彩再现的稳定性、相机本身色散特性的差别等。最重要的是，记录量化再现系统的色彩参数可以正确地再现由设计者选择的颜色。
7. 均匀性
均匀性不是一个内在的评估项，它描述的是图像的各种参数在一定为范围内是怎样变化的。这是说“均匀性”可以应用于任何特性，例如分辨率，它可以在整个图像范围中变化，其中经常考虑的内容是光照度的均匀性和色彩的均匀性。当光照均匀时，记录的图像是扁平的，记录值或者输出值在整个图像范围内都不会有多大的变化。但是，实际相机的各种因素会扰乱光照度或者色彩输出的均匀性。通常情况下，不均匀性是对均匀照明的白色图片全图进行拍摄时，测量记录信号光照水平的峰峰值范围。对于色彩的不均匀性来说，一个简单的方法就是估量贯穿整个屏幕中两个不同颜色信号的峰峰值。另一个更为精确的方法是利用色彩差异的最大值，即在色环上像素数据分布的最大距离。其他的图像参数也呈现出不均匀性。
