我可以使用什么距离度量来比较图像？

我通常使用均方误差（MSE）或峰值信噪比（PSNR）来比较两个图像，但这还不够好。我需要找到一个公式，该公式返回图像A和其像素化（或模糊）版本B之间的很大距离，但是我不知道该如何进行。什么是适合我需要的指标？

以下内容并非旨在作为答案，而是一种统计信息，可帮助我们根据要分析的图像的特征选择适当的图像比较技术。

第一步是绘制“三角洲直方图”，如下所示：

for (x,y) in [0, width] x [0, height] begin
    delta = abs( SecondImage(x, y) - FirstImage(x, y) )
    hist[delta] += 1
end

给定该直方图的图，我们将对您正在寻找的变化的“幅度”有更多的了解，并将提出更好的建议。

（或者，张贴一些示例图像。请记住，如果示例图像不能代表您感兴趣的图像差异，我们可能会提出次等建议。）

您还可以在图像集上测试结构相似性（SSIM），并将结果发布在此处。请记住，SSIM旨在模仿人类识别图像退化的障碍的能力，因此它可以检测像素化但可能不会模糊。

如果您的图像不是摄影图像（或者是不是普通摄影对象的科学图像），那么还请张贴其2D自相关示例，并适当裁剪和缩放。

人脸识别是一个太大的话题，无法在单个问题中讨论。人脸识别中的多种情况下都会出现模糊-这可能是数据质量问题，也可能是有意将其作为数据处理的中间步骤进行的。

在面部识别中，我们要检测面部的身份，因此我们必须忽略不是由身份差异引起的图像差异。在面部识别中应忽略的差异的基本类别是：姿势，照明和面部表情。

忽略无关差异的通用方法称为标准化，该方法尝试对输入图像进行各种操作并进行变换以获得“规范”或“预处理”图像，然后可以将其用于识别。

第二种方法是从图像中提取与无关因素高度不变的特征。

面部图像的质量取决于拍摄设备和拍摄环境。当在没有被摄体合作的情况下捕获面部图像时（例如从安全摄像机中），不良的图像质量是不可避免的后果，必须通过软件进行补救，以免妨碍识别。

在协作捕获中，计算机化的图像质量度量是很好的：可以将质量问题通知操作员，然后可以重新拍摄图像。

模糊也可能是恶意篡改生物特征以逃避检测（以及遮挡和伪装）的一个示例。如果图像是数字编码的，则数字校验和和加密签名足以完全解决问题。如果模糊图像是由模仿者以物理打印形式提交的，则可以使用计算机化的面部图像质量度量来拒绝此类提交。

面部图像的特定部分缺少2D可定位的特征或兴趣点可能是故意模糊的迹象。

但是，数字图像篡改的广泛类别（由图像编辑软件的熟练用户）只能通过将像素统计信息与已知相机模型进行比较的数字图像取证处理。