企业官网建设流程全解析

做图像处理这些年，我几乎每天都要跟PSNR和SSIM这两个指标打交道。无论是超分辨率、去噪、压缩算法，还是生成模型，图像质量评估都离不开这套度量体系。PSNR的全称是峰值信噪比，SSIM叫结构相似性，它们是目前最常用的两个全参考图像质量评价指标。这篇文章想把这两个指标的定义、公式、含义，以及在实际项目中怎么算、怎么用、怎么避坑，一次性讲透。无论你是刚入门的学生、做算法的工程师，还是在做图像质量相关工具链的开发者，这份内容都值得收藏。

很多人刚开始接触PSNR和SSIM时，以为只是几个公式套一下，跑个库函数出个数字就完事。但真正到了项目落地时会发现，同样的两张图，用不同代码、不同参数、不同预处理方式算出来的PSNR和SSIM可能差异巨大。这个差异不是指标本身的问题，而是你对指标理解得还不够深。这篇文章就是来解决这些问题的。

1. 为什么图像质量评估绕不开PSNR和SSIM

1.1 主观评估与客观评估的差异

图像质量评估从方法论上分两条路：主观评估和客观评估。主观评估就是找真人看图像打分，比如MOS（Mean Opinion Score，平均意见分）。这是最符合人眼感知的方式，但代价很高，可重复性差，而且很难自动化。客观评估则是用数学模型去模拟人眼的判断，通过计算得到数值指标。PSNR和SSIM属于全参考客观评估，也就是说，你需要一张原始参考图和一张待测图，通过对比二者来计算质量损失程度。

全参考评估在图像压缩、去噪、超分辨率、图像复原等领域是标配。因为在这些场景里我们手里有干净的原始图，可以和算法输出对比。而PSNR和SSIM之所以普及，原因很现实：第一，两者计算开销低，一张106万像素的图，在普通CPU上毫秒级就能算出结果；第二，它们的物理意义相对清晰，PSNR对应信号与噪声的能量比，SSIM对应亮度、对比度和结构的相似程度；第三，几乎所有图像处理库都内置了实现，拿过来就能用。这意味着你可以用极低成本对算法效果做快速验证和横向比较。

不过这里要提醒一句：客观指标只能作为参考，不能完全替代人眼判断。很多经典论文都展示过“PSNR高但图像视觉质量差”的反例，比如过度平滑的图像因为噪声被抑制，PSNR反而高，但细节纹理也丢失了。所以正确态度是：先用指标做快速筛选，再配合视觉检查做最终判断。

1.2 PSNR的定义与公式解析

PSNR全称Peak Signal-to-Noise Ratio，峰值信噪比。它的计算首先建立在MSE（Mean Squared Error，均方误差）之上。MSE的定义很简单：

$$ \text{MSE} = \frac{1}{MN}\sum_{i=0}^{M-1}\sum_{j=0}^{N-1}\left[I(i,j) - K(i,j)\right]^2 $$

其中M和N分别是图像的高和宽，I是原始参考图，K是待测图。MSE描述的是一整张图逐像素差异的能量平均值，值越大代表偏差越大。

PSNR再基于MSE换算成对数刻度：

$$ \text{PSNR} = 10 \cdot \log_{10}\left(\frac{\text{MAX}^2}{\text{MSE}}\right) $$

MAX代表图像像素的最大可能值。对于8bit灰度图像，MAX就是255；对于8bit RGB彩图，如果三个通道分别计算，MAX同样是255；对于归一化到0~1范围的浮点图，MAX就是1。这里有个很多人第一次会忽略的点：PSNR的数值严重依赖MAX的取值，同一对图像用255和1计算，结果完全不同。所以论文里写PSNR时一定要说明数据范围。

单位是dB，这是通信领域沿用下来的习惯。dB值越高，说明信号相对噪声越强，图像失真越小。经验上，PSNR在30dB以上时人眼较难察觉明显失真，20~30dB之间属于可以看到但还能接受的范围，20dB以下往往就比较糟糕了。当然这只是粗略经验，对不同内容和不同失真类型会有波动。

当MSE为0时，意味着两幅图完全相同，PSNR会变成无穷大。实际工程里我们常常给分母加一个极小值比如1e-10，避免除零异常。

1.3 PSNR的关键特性与使用边界

PSNR最大的优点是简单、直观、可复现性好。它本质上是逐像素误差的统计量，对全局差别非常敏感。比如一张图像整体亮度偏移10，PSNR立刻降低很多，因为每个像素都贡献了误差。压缩算法、传输噪声这类整体性失真，用PSNR评估挺合适。

但它的问题恰恰也是逐像素比较带来的。第一，它不考虑相邻像素之间的关系，也就是完全丢掉了图像的结构信息。人眼对纹理和边缘的感知很强，PSNR却无法体现。第二，它对像素空间位置极其敏感，图像只平移一个像素，PSNR可能大幅下降，但人眼根本看不出差异。第三，它把不同类型的误差统一用平方和度量，大误差被放大，但对人眼来说，梯度方向和平坦区的噪声容忍度并不一样。所以PSNR高，不一定是视觉质量高，这个观点在业内已经被反复验证过了。

2. SSIM的核心原理与公式拆解

2.1 SSIM的设计逻辑：人眼在看什么

SSIM全称Structural Similarity Index Measure，结构相似性，由德州大学奥斯汀分校的Zhou Wang等人在2004年提出。提出背景就是PSNR这类基于误差统计的指标与人眼感知存在严重脱节，作者希望设计一个更贴近视觉系统工作方式的指标。

设计者的核心洞察是：人眼高度敏感于图像中的结构信息，而所谓“结构”，指的是像素之间的相互关系——边缘、轮廓、纹理这种空间上相邻元素之间的约束。因此SSIM不是逐像素比较亮度值，而是在局部窗口内比较三个维度：亮度、对比度和结构。它的名字也很直白：比较的是两幅图的结构相似性。

这个思路的转变很关键。PSNR是在“逐点误差”上做算术平均，SSIM则是在“局部块”上做感知加权。所以SSIM对模糊、边缘位移、对比度变化这类影响视觉结构的失真更敏感，数值也更接近人眼主观感受。这也是为什么在超分、去噪、图像增强等领域，SSIM往往比PSNR更受重视。

2.2 SSIM的公式逐项拆解

SSIM的完整推导分三步。假设你在某个局部窗口中取原始图x和待测图y，先计算两个窗口内的统计量：均值μx、μy，标准差σx、σy，协方差σxy。然后定义三部分：

亮度相似度函数：

$$ l(x,y) = \frac{2\mu_x\mu_y + C_1}{\mu_x^2 + \mu_y^2 + C_1} $$

对比度相似度函数：

$$ c(x,y) = \frac{2\sigma_x\sigma_y + C_2}{\sigma_x^2 + \sigma_y^2 + C_2} $$

结构相似度函数：

$$ s(x,y) = \frac{\sigma_{xy} + C_3}{\sigma_x\sigma_y + C_3} $$

三个函数的取值范围通常都在0到1之间，越接近1表示越相似。最终SSIM把三者组合起来：

$$ \text{SSIM}(x,y) = [l(x,y)]^\alpha \cdot [c(x,y)]^\beta \cdot [s(x,y)]^\gamma $$

实际使用中通常取α=β=γ=1，并且令C3 = C2/2，这样公式可以化简为一个更紧凑的形式：

$$ \text{SSIM}(x,y) = \frac{(2\mu_x\mu_y + C_1)(2\sigma_{xy} + C_2)}{(\mu_x^2 + \mu_y^2 + C_1)(\sigma_x^2 + \sigma_y^2 + C_2)} $$

这个形式也是我们在库函数源码里最常见的实现。看到这个公式不要慌，它背后的意思很简单：当两幅图像在局部窗口内的均值、方差、协方差都接近时，SSIM就接近1；任何一方面的偏离都会让指标下降。

C1和C2是防止分母为0的稳定常数，定义为：

$$ C_1 = (K_1 L)^2,\quad C_2 = (K_2 L)^2 $$

其中L是像素动态范围（8bit就是255，0~1归一化图就是1），默认K1=0.01，K2=0.03。C3默认等于C2/2。

2.3 参数含义与数据范围解析

窗口大小win_size是SSIM最敏感的参数。原论文里默认用11×11的高斯加权窗口，标准差约为1.5，这样可以对局部区域做加权统计，中心像素的贡献更大。skimage库的structural_similarity函数默认win_size=7，这一点与论文默认不同，是实际使用中最容易埋坑的地方。窗口越大，感受野越大，指标对细节变化的敏感度越低，但抗噪性更强。工程上如果两张图有轻微错位，用大窗口往往能减轻惩罚。

使用时要注意SSIM的取值范围。理论上它能取到负值，比如两幅图高度不相关时σxy为负数，但由于分子有C1、C2打底，实际输出几乎都在0到1之间。大家习惯说“SSIM越大越好，1表示完全一致”，这个表述在常规场景没问题，但要明白它不是保证非负的度量。

另外，SSIM可以用于彩色图像，但原定义针对灰度图。处理彩图时常见做法是转成YCbCr后只对亮度通道算SSIM，或者对R、G、B三通道分别算再取平均。skimage里可以直接设置channel_axis=-1来对多通道分别计算并返回平均，但这与只算亮度的方式结果不同，写报告时要说明具体做法。

3. 实操：从公式到代码，PSNR和SSIM怎么算才靠谱

3.1 计算前的预处理：图像对齐、位深、色彩空间

开始算指标之前，有几件容易被忽略的准备工作。首先是图像尺寸必须一致。不同尺寸的图像如果直接套库函数，要么报错，要么自动做了奇怪的对齐，结果是错的。所以在评估超分结果时，一定要保证把参考图裁剪到与输出图相同的分辨率，或者用相同边界填充方式对齐尺寸。

其次是位深和取值范围。PSNR和SSIM对取值范围极其敏感。常见的坑是：一张图像是uint8类型，值域0~255，另一张被归一化到了0~1的float类型，直接丢进函数计算。很多库为了安全会强制转类型，但如果你自己写函数就容易出问题。正确做法是统一到同一取值范围。我习惯先把所有图像转成float类型，再让data_range参数显式指定为255或1.0，不要依赖库的自动推断。

第三是色彩空间。如果比较的是彩色图像，一定要提前约定好是在RGB空间算还是转到YCbCr的亮度通道。不同空间算出来的SSIM可能有明显差异。在暗光或高对比度场景，亮度通道的失真往往更反映人眼感受，所以很多超分论文只报道YCbCr空间Y通道的PSNR和SSIM。注意要在论文或报告里写清楚，否则别人复现时会对不上。

3.2 手写实现PSNR和SSIM的Python代码

讲完预处理，直接上代码。这里展示一个尽可能贴近论文定义的手写实现。代码用Python和NumPy写，不依赖图像算法库，方便你理解原理。

import numpy as np from scipy.ndimage import gaussian_filter def calculate_mse(img1, img2): """计算均方误差（逐像素）""" img1 = img1.astype(np.float64) img2 = img2.astype(np.float64) return np.mean((img1 - img2) ** 2) def calculate_psnr(img1, img2, data_range=255.0): """计算PSNR，data_range必须是像素动态范围""" mse = calculate_mse(img1, img2) if mse == 0: return float('inf') return 10 * np.log10(data_range ** 2 / mse) def calculate_ssim(img1, img2, win_size=11, data_range=255.0, sigma=1.5): """ 基于高斯窗口的SSIM实现。 注意：这个版本要求输入是2D灰度图像， 彩色图需要先转灰度或逐通道处理。 """ img1 = img1.astype(np.float64) img2 = img2.astype(np.float64) # 常数设置 K1 = 0.01 K2 = 0.03 L = data_range C1 = (K1 * L) ** 2 C2 = (K2 * L) ** 2 window = np.ogrid[:win_size, :win_size] # 仅为说明，下面用高斯核 # 生成高斯核 window = gaussian_filter(np.ones((win_size, win_size)), sigma=sigma) window /= window.sum() # 计算均值、方差、协方差 mu1 = gaussian_filter(img1, sigma=sigma) mu2 = gaussian_filter(img2, sigma=sigma) mu1_sq = mu1 * mu1 mu2_sq = mu2 * mu2 mu1_mu2 = mu1 * mu2 sigma1_sq = gaussian_filter(img1 * img1, sigma=sigma) - mu1_sq sigma2_sq = gaussian_filter(img2 * img2, sigma=sigma) - mu2_sq sigma12 = gaussian_filter(img1 * img2, sigma=sigma) - mu1_mu2 # 三部分相似度 luminance = (2 * mu1_mu2 + C1) / (mu1_sq + mu2_sq + C1) contrast = (2 * sigma12 + C2) / (sigma1_sq + sigma2_sq + C2) ssim_map = luminance * contrast return np.mean(ssim_map)

这个实现把C3按C2/2合并为对比度项，所以公式里没有单独C3。它使用高斯滤波来近似局部加权统计，与原论文的11×11高斯核思路一致。注意这里sigma=1.5和win_size=11是论文默认的，skimage用的是uniform filter做均值窗口，最终结果会有细微差异。

还需要说明：这是一个教学版实现，忽略了一些边界处理。真正用在项目里，我建议直接用成熟库，但我们自己写能帮助理解参数影响，也方便定制。

3.3 调用现成库的正确姿势

成熟库能帮你避免手写实现的边界细节。我常用的是scikit-image的metrics模块。PSNR调用：

from skimage.metrics import peak_signal_noise_ratio psnr_val = peak_signal_noise_ratio(gt, pred, data_range=255)

SSIM调用：

from skimage.metrics import structural_similarity as ssim ssim_val = ssim(gt, pred, data_range=255, channel_axis=-1, win_size=7)

注意几点：

1. data_range必须显式指定，不要依赖函数自动判断。尤其当输入是float类型时，库会尝试从dtype推断data_range，推断出来可能是255也可能不是，非常容易出错。
2. 对于彩色图，设置channel_axis=-1可以指定通道维。它会沿着通道维度逐通道计算SSIM再返回均值，但如果你希望只在灰度图上算，就先转灰度。
3. win_size不要乱改，除非你知道自己在干什么。7是skimage默认值，原论文是11。对于小分辨率图（比如小于7×7），skimage会报错，需要把win_size调小或设置win_size=3。
4. skimage的SSIM返回的是一个均值标量，除非设置full=True，这会返回逐像素的SSIM映射图。检查局部失真时full=True很有用。

OpenCV里面没有直接的SSIM函数，需要自己实现或者从contrib模块找。PSNR可以直接用cv2.PSNR，它对uint8输入比较友好，使用方式：

import cv2 psnr_val = cv2.PSNR(gt, pred) # 自动按255算

cv2.PSNR内部要求输入尺寸和类型一致，如果类型一uint8一float会报错。所以统一uint8再调用比较省事。

3.4 计算时容易踩的细节：边界效应、浮点精度、窗口滑动

手写SSIM时最容易踩的细节是边界效应。gaussian_filter默认会用mirror模式填充边界，这相当于在图像边缘外做了镜像延拓。而skimage的ssim函数用uniform_filter默认带reflect填充。不同的边界填充策略会导致边缘区域统计量不同，尤其对分辨率不大、边缘内容较多的图像影响明显。如果两个库算出来的SSIM差0.01以上，先检查边界处理方式。

另一个细节是协方差的计算。直接用np.mean(x*y) - np.mean(x)*np.mean(y)在浮点上会有减法消去误差，当视野内方差很小但值很大时，这种算法可能导致负方差。稳定的做法是用np.cov或在足够大的窗口中计算。好在实践中图像数据动态范围有限，这个误差通常不影响结果，但你要知道为什么自己写出来的版本偶尔会出现SSIM大于1或很小。

最后是窗口滑动方式。原论文里的SSIM是在每个像素位置取一个窗口，然后对所有窗口的SSIM取平均。所以输出SSIM是一个标量。而有些简化实现是把图像分成不重叠的块，每块算一个SSIM再平均。这两种方式在纹理密集的图上会有明显差异。前者是更标准的做法，skimage用的也是前者。如果你看到某篇论文写“计算了1024个块的平均SSIM”，那属于后者的变体，复现时要分清楚。

4. 指标不是万能的：PSNR、SSIM的局限与FID、LPIPS的互补

4.1 PSNR和SSIM的典型失效场景

先说PSNR。它对整体亮度偏移和噪声极其敏感，但对空间结构变化不敏感。一个经典例子是：把原图向右平移一个像素，人眼基本看不出差异，但PSNR可能掉到20dB以下，因为每个像素都跟原图对不齐了。反过来，一张图经过强模糊，PSNR可能还有30以上，但人眼觉得细节全没了。这说明PSNR无法反映“结构是否完整”。

SSIM对结构敏感一些，但也有失效的时候。当图像遇到非线性失真，比如伽马变换、色调映射，SSIM的表现就不稳定。因为它的公式假设局部均值和方差能够代表亮度与对比度，在严重失真下这个假设不再可靠。另外，SSIM对空间频繁变化的纹理区域往往给出偏高分数，对平坦区域又容易给出偏低分数，平均之后可能掩盖局部质量的严重下降。还有一个常见吐槽：SSIM对轻度模糊的惩罚不如对噪声那么强，所以有时降噪算法稍微过度平滑，SSIM反而更好。

这些局限不是指标本身错误，而是它们各自只刻画了失真的一个侧面。所以在实际项目中，我很少单独报一个指标，而是会同时报多个指标，再用视觉图佐证。

4.2 FID：生成模型常用的分布距离指标

FID全称Fréchet Inception Distance，是评估生成模型时最常用的指标之一，特别是在GAN、扩散模型这类生成任务里。它的思路不是逐像素比较，而是把图像输入Inception网络，提取倒数第二层的2048维特征，再把真实图像集合和生成图像集合分别建模成两个多维高斯分布，计算这两个分布之间的Fréchet距离。

FID公式如下：

$$ \text{FID} = |\mu_r - \mu_g|^2 + \operatorname{Tr}\left(C_r + C_g - 2\sqrt{C_r C_g}\right) $$

其中μr和Cr是真实图像特征的均值和协方差矩阵，μg和Cg是生成图像特征的均值和协方差矩阵。Tr表示矩阵的迹，sqrt是矩阵的平方根。FID越小，说明两个特征分布越接近，生成质量越好。

FID与PSNR/SSIM最大的区别是：它计算的是集合级别的统计分布，而不是单张图像的对齐误差。所以FID可以容忍几何变换和轻微位移，更关注整体视觉分布的相似性。但这意味着需要足够多样本才能得到稳定估计，实践中通常至少上千张图像。样本太少，FID的方差会非常大。

另外，FID依赖Inception网络的预训练权重，不同权重、不同预处理方式得到的FID不能直接跨实验对比。所以在论文里必须写明使用的是哪个FID实现和样本数量。

4.3 LPIPS：用深度特征贴近人眼

LPIPS全称Learned Perceptual Image Patch Similarity，是一种学习式的感知相似度指标，2018年由Richard Zhang等人提出。核心做法是：把参考图和待测图分别输入一个预训练好的深度网络（常用AlexNet、VGG或SqueezeNet），在多个层抽取特征图，对特征图做归一化后计算逐像素L2距离，并对不同层加权求和。LPIPS值越低，表示感知上越相似。

LPIPS之所以比PSNR/SSIM更贴近人眼，是因为深度网络在训练过程中学到了大量关于物体、纹理、边缘的语义特征，这些特征对人眼判断非常有价值。即便两张图像像素值差得很大，只要高层特征分布接近，LPIPS会给较好分数；反之，轻微改变纹理让高层特征偏移，LPIPS也会敏感。我的经验是，LPIPS在超分辨率、图像恢复这类任务上比SSIM更可靠，尤其当涉及感知纹理恢复时。

不过LPIPS也有坑：它对网络架构和训练数据集敏感。用AlexNet还是VGG做backbone会得到不同数值，所以论文中要写清楚用哪个模型。同时它需要torch等深度学习环境，计算代价比PSNR/SSIM高不少。在算力有限时，可以先算PSNR/SSIM，再抽样算LPIPS。

4.4 指标选型速查表

为了让你在具体场景里快速选指标，这里整理一个速查表。注意，它是我个人经验的总结，不是标准答案，但能少走弯路。

5. 常见问题与排查经验实录

5.1 为什么PSNR很高但图像看起来还是有问题

这是最经典的问题。前面已经解释过，PSNR完全基于逐像素误差，它不会考虑图像的结构和感知权重。举一个实际案例：我对一张图做轻度磨皮处理，PSNR可能还有35dB，但人眼觉得皮肤像塑料，失去了质感。原因是磨皮消除了高频纹理，像素误差其实不大，但结构信息损失严重。所以如果你发现PSNR高但视觉不可接受，下一步一定要看SSIM和LPIPS，它们至少能反映一部分结构变化。

另一个可能原因是你的评估范围选错了。比如在原图中心一个小区域有严重伪影，而全图大部分区域很干净，PSNR会被大片良好区域拉高。这种时候应该用逐块PSNR地图来定位问题而不是只看标量，也可以像SSIM的full=True那样输出逐像素质量图。

5.2 为什么skimage和自写SSIM结果不一致

很多人会拿skimage的结果跟自己写的公式对比，发现数值对不上。常见原因有四个：

1. 窗口类型不同。skimage默认用non-uniform uniform window还是Gaussian window？实际上skimage的structural_similarity有个参数win_size和gaussian_weights，默认gaussian_weights=False，也就是用uniform均值滤波器，而不是高斯权重。我们前面手写的版本用了gaussian_filter，所以结果肯定不同。想复现论文的高斯加权结果，需要设置gaussian_weights=True。

2. data_range不一致。skimage自动推断数据的data_range，如果传入uint8，它认为是255；传入float，它认为是1.0。你手写时可能固定为255，但输入是0~1的float，那结果就不对了。

3. 边界填充方式不同。skimage默认边界处理是reflect，手写用mirror或zero，边缘像素就会不同。

4. 对多通道图像的聚合方式不同。skimage会先按channel_axis逐通道计算，再取平均；手写代码如果是先转灰度算，结果当然不同。

排查方法很简单：把输入固定为同一uint8灰度图，然后把两个库的所有相关参数对齐（gaussian_weights、win_size、data_range、边界模式），再比一次。如果还不同，就逐个参数检查。

5.3 视频序列评估应该逐帧算还是取平均

如果是视频压缩或者视频增强，通常需要逐帧计算PSNR/SSIM，然后对整个视频取平均。逐帧平均相比于把整个视频所有像素堆在一起算要更合理，原因有两个：一是单帧统计可以反映时间维度上的质量波动，比如某些帧出现卡顿或花屏时，逐帧指标能把这个时段暴露出来；二是把多帧连接成大图计算MSE，会在帧边界引入不存在的空间相关性，污染统计结果。

我建议在报告视频质量时，除了给出平均PSNR和SSIM，还要画出逐帧曲线，标出最低点对应的时间戳。这能帮助快速定位编码器在哪些关键帧上出了问题。如果再用上VMAF这种混合指标，就更贴近主观体验了。

5.4 几件我踩过的坑和解决办法

最后分享几个实操中的血泪经验。第一个是dtype不统一。我有一次把两张同样内容、一张uint8一张float的图送进cv2.PSNR，直接崩了，报错信息又看不出来，后来发现是类型问题。从那以后我所有评估脚本第一件事就是打印两张图的dtype和shape。

第二个是彩色图像通道顺序。用OpenCV读图默认是BGR，而skimage读取是RGB。如果忘记了，直接对OpenCV读出的两张图调用skimage的SSIM，颜色通道就错位了，指标会大幅下降。这个问题很隐蔽，因为图像本身看起来没有变化，只是颜色通道顺序不同。排查方法是在评估前统一转成RGB或灰度。

第三个是win_size对低分辨率图的限制。skimage的SSIM默认win_size=7，当图像尺寸小于7时直接报错。我在处理32×32的小patch时经常碰到这个问题，解决方法是设置win_size=3，或者先把图像padding到合适尺寸。注意win_size必须是奇数。

第四个是归一化不一致。有些生成模型的输出是[-1,1]范围，需要先还原到[0,1]再计算PSNR/SSIM。如果忘了反归一化，PSNR会非常低，甚至出现负数。我在实验记录里都会写清楚每个指标对应的输入范围，避免后续返工。

还有一个容易被忽视的细节：在计算PSNR之前，如果待测图和参考图之间存在几何偏移，比如超分模型把图像平移了一两个像素，PSNR会剧烈下降，但SSIM因为引入了局部窗口，对这种小位移的惩罚更温和。所以如果你在做超分或检测类任务，建议先做一个简单配准（比如基于互相关的平移对齐），再计算PSNR，这样比较的是算法的“内容恢复”能力而不是“像素对齐”能力。

说到底，PSNR和SSIM是两把最常用的尺子，但尺子量出的长度不等于实际的视觉美感。它们简单、稳健、可复现，适合做快速筛选；但它们又很“机械”，容易在高层次感知上犯糊涂。我自己在实际项目中的固定套路是：训练阶段用PSNR和SSIM做早期筛选，快速排除明显失败的实验；在算法调优和最终评估时，加上LPIPS和FID，并且始终用肉眼抽查几个代表性样例。多指标交叉验证，比押注单一数字可靠得多。最后再分享一个小技巧：所有指标计算时都固定随机种子、固定图像预处理流程，并且在代码里写死所有关键参数，这样你复现自己两周前的结果时，才不会被“神奇的波动”折磨。