图像融合评估指标全解析：从PSNR到QAB/F的Python实现

简介：面向图像融合与质量评价研究者提供一套Python评估指标工具包，覆盖信息熵、空间频率、标准差、峰值信噪比、均方误差、互信息、视觉保真度、平均梯度、相关系数、差异相关和、Qabf、Nabf、SSIM与MS-SSIM等常见融合指标，整包实现，可直接调用。资源共540个文件，以504张测试图像、9个核心Python脚本及配套配置文件为主，压缩包约123.55MB，指标脚本按模块组织，便于按需扩展。已有5389人学习下载，适合高校图像处理课程设计、论文实验对比及算法开发中需要统一指标评估的Python使用者。代码支持单幅图像、单个算法与多算法批量评估，结果可写入Excel，能显著降低实验阶段指标计算与结果整理的重复工作量。

1. 图像融合评估指标：先有尺子，再谈融合效果

跑完一版多聚焦融合算法，肉眼看着边缘清楚、背景干净，可一到写实验对比表就卡住：检测任务有 mAP，分割有 mIoU，图像融合的输入是两张图、输出还是一张图，既没有明确的损失函数，也没有现成的 ground truth，凭什么说明这版比上一版好？这是很多做图像融合的人第一轮就会撞上的墙。所谓图像融合评估指标，就是为这种“目标函数缺失”场景准备的一把客观尺子，而且用 Python 实现并不复杂，一个带 numpy 的环境就能跑通大部分常用指标，不需要搭重框架。这套体系分有参考和无参考两大阵营，绝大多数真实融合任务都落在无参考阵营的射程里。本文写给三类人：想在融合结果上补一张正经指标表的研究者、要在多源图像增强方案里做指标验收的工程师，以及刚进图像融合、还不清楚 PSNR、熵、QAB/F 这些名字背后各自衡量什么的新手。下面直接按“指标选型 → Python 实现 → 踩坑 → 落地技巧”的顺序推进。

2. 评估指标的两个阵营：有参考和无参考

2.1 有参考指标：什么时候才有“标准答案”

有参考指标的前提是存在一张理想结果图，也就是 ground truth，通常用 ref 命名。这个前提在两类任务里成立：一类是模拟融合实验，把干净图像做模糊或加噪处理，再让融合算法从退化的源图里把原图“拼”回来，此时原图就是真值；另一类是多聚焦融合，图像传感器在同一场景下对不同焦平面成像，分别清晰，而理想的全清晰图像可以作为参考。

但更常见的业务场景，比如红外与可见光融合、医学多模态融合、遥感多光谱与全色融合，根本不存在一张“标准答案”图。红外图像提供热辐射信息，可见光提供纹理颜色信息，融合的目标是把两种模态的信息互补进一张图里，这张图既不是红外原图，也不是可见光原图，更不是两者的像素平均。强行用有参考指标去评估这类任务，只能人为构造一张参考图，常见做法是把两种源图加权平均后当作 ref，再用 PSNR 和 SSIM 量融合图与它的差异。这个做法不是完全不能用，但要知道它的逻辑前提很弱：加权平均不是标准答案，只是一个人为基线，测出来的是“融合结果离这个基线有多远”，而不是“融合结果有多好”。

我给融合项目配评估方案时，通常先问一个问题：这个场景下有没有一个从业者公认的“理想输出”？有，才把 PSNR/SSIM 当作正式指标；没有，它们只能作为趋势参考，绝不能写进验收依据。很多人把 PSNR 当作万能指标到处套，这是最典型的概念错位。

2.2 无参考指标：融合评估的真正主力

无参考指标不看真值图，只从融合图本身、或者从“融合图 + 源图”的组合里提取统计特征，判断融合质量。这里有一个被忽略的重要细分：无参考不等于什么都不输入。按输入依赖可以分成两类：

• 仅需要融合图的指标，比如信息熵、标准差、空间频率、平均梯度。它们衡量的是融合图自身的统计特性，包括信息量、对比度、清晰度、边缘锐利程度。
• 需要融合图与源图联合计算的指标，比如互信息和 QAB/F。它们衡量的是融合结果从各源图里继承了多少信息、保留了多少边缘结构。

这个区分直接影响你写代码时的函数签名。配评估套装时，第一类指标回答“单看这张图质量如何”，第二类回答“这张图有没有把源的优点保留下来”。两类都该有，只测第一类会出现一个很滑稽的结果：把一张纯噪声图放进去，熵和标准差往往都很高，但拿互信息和 QAB/F 一测就暴露了——它跟源图毫无关系。

我在实际项目中会把无参考指标按“保真类”和“结构类”分开看。保真类用互信息做主要参考，结构类用 QAB/F 做主要参考，单图统计类作为辅助参考。这样的组合方式比只看某一项稳得多，也不会被单个指标带偏。

2.3 指标速览表：输入依赖、取值范围与衡量维度

选型方法论就一句：没有哪个指标能同时覆盖所有判断维度，评估套装至少 4 项起步。面向人眼观察类应用，核心看 QAB/F 和平均梯度；面向检测识别等下游任务，核心看互信息和熵；有真值可用的场景再补 PSNR 和 SSIM。物理意义比数值本身重要，任何单指标数值都不能代表融合质量的全貌。

3. 用 Python 实现有参考评估：PSNR 与 SSIM

3.1 PSNR：三行代码但藏着一个 uint8 陷阱

PSNR 的全称是峰值信噪比，核心逻辑非常朴素：两张图逐像素求误差，误差越小、信噪比越高。公式写成 Python 只需要几行，但有个很容易翻车的细节：uint8 类型直接相减会发生无符号溢出。

import numpy as np def psnr(fused, ref, max_value=255.0): """有参考指标：峰值信噪比，单位 dB，越大越好。 fused : 融合图，形状 (H, W) ref : 参考图（真值图），形状必须与 fused 完全一致 max_value : 像素最大值；uint8 图传 255.0，float 归一化图传 1.0 """ # 先转 float64 再相减，避免 uint8 无符号溢出 fused = fused.astype(np.float64) ref = ref.astype(np.float64) mse = np.mean((fused - ref) ** 2) if mse < 1e-10: # 两张图完全一致时 MSE 为 0，除零无意义，按无穷大处理 return float('inf') return 10.0 * np.log10(max_value * max_value / mse)

这段代码需要注意两个点。第一是 astype 的位置，必须在相减之前完成；uint8 的取值范围是 0~255，两个 uint8 相减结果仍然是 uint8，小的减大的会绕回 255 附近，算出来的 MSE 完全失真。第二是 max_value 参数要与输入数据范围匹配，常见的错误是输入 0~1 归一化图却传 255.0，导致 PSNR 整体虚高约 48 dB，横向对比时全部失真。

PSNR 对像素级误差敏感，但它并不感知空间结构：把一张图平移一个像素再跟原图比，MSE 会暴涨，PSNR 骤降，可人眼看这两张图几乎没区别。所以在融合评估里，PSNR 不能作为唯一依据，它的角色更多是“量化重构误差”而不是“量化视觉质量”。

3.2 SSIM：用高斯窗口算结构相似度

SSIM 的完整中文名是结构相似性指标，它把图像质量拆成亮度、对比度、结构三个分量，用滑动窗口逐区域比较，最后返回全图均值。相比 PSNR 的逐像素比较，SSIM 更接近人眼对局部结构的感知。

import numpy as np from scipy.ndimage import convolve def ssim(fused, ref, radius=4, c1=0.01**2, c2=0.03**2): """有参考指标：结构相似度，通常落在 0~1，越大越好。 fused / ref : 输入图，形状一致 radius : 高斯窗口半径，默认 4 对应 9x9 窗口 c1 / c2 : 稳定常数，避免分母接近 0 """ fused = fused.astype(np.float64) ref = ref.astype(np.float64) def gaussian_window(size, sigma=1.5): axis = np.arange(-(size // 2), size // 2 + 1) kernel_1d = np.exp(-(axis ** 2) / (2 * sigma ** 2)) kernel_2d = np.outer(kernel_1d, kernel_1d) return kernel_2d / kernel_2d.sum() win = gaussian_window(2 * radius + 1) mu1 = convolve(fused, win, mode='reflect') mu2 = convolve(ref, win, mode='reflect') mu1_sq = mu1 * mu1 mu2_sq = mu2 * mu2 mu12 = mu1 * mu2 sigma1_sq = convolve(fused * fused, win, mode='reflect') - mu1_sq sigma2_sq = convolve(ref * ref, win, mode='reflect') - mu2_sq sigma12 = convolve(fused * ref, win, mode='reflect') - mu12 ssim_map = ((2 * mu12 + c1) * (2 * sigma12 + c2)) / ( (mu1_sq + mu2_sq + c1) * (sigma1_sq + sigma2_sq + c2) ) return float(ssim_map.mean())

实现逻辑是：先用高斯窗口分别求融合图与参考图的局部均值、局部方差、局部协方差，再代入 SSIM 公式逐像素生成一张质量图，最后取均值。这里 scipy.ndimage.convolve 的 mode='reflect' 是为了处理图像边缘时不引入黑色边框；如果不想依赖 scipy，也可以用 cv2.GaussianBlur 替代这个卷积，效果接近。

radius 这个参数值得留意。默认 4 用的是 9x9 窗口，在 512x512 的图上算得比较稳；如果源图本身只有几十像素宽，比如某些遥感切片，窗口会占到图像比例过大，建议把 radius 降到 2。c1、c2 的默认值来自 SSIM 原论文公式，数值范围是相对 0~255 灰度设计的；如果输入是 0~1 归一化图，这两个常数要同步缩小 255 倍，否则 SSIM 会对细微结构差异不敏感。

3.3 有参考指标的边界：什么场景真的能用

有参考指标在融合领域的应用边界非常清晰：只有能拿到真值图的场景才适合做主指标。多聚焦融合可以用全清晰图做 ref，因为理论上存在一张所有物体都清晰的理想图；模拟退化实验也可以，因为退化前的图就是标准答案。

红外与可见光融合、医学图像融合这类场景里，给融合图人工造一张参考图的做法我一般不建议写进正式结论。造出来的 ref 本身带有主观假设，指标反映的是“离这个假设有多远”而不是“融合质量有多高”。如果实验设计里必须要有参考指标来对比不同方法，我通常会多做一组合成数据实验：把红外图的灰度结构当作真值、把可见光图当作纹理补充，构造已知答案的模拟源图，再用 PSNR/SSIM 验证算法正确性。真实图像上用无参考指标，合成图像上用有参考指标，两者分开评估、互不混淆，这个习惯能避免很多汇报现场被质疑的尴尬。

4. 用 Python 实现无参考评估：熵、互信息与 QAB/F

4.1 信息熵与标准差：融合图本身的信息量与对比度

信息熵衡量图像灰度分布的离散程度，分布越均匀、熵越高，说明图像携带的信息越丰富。这是无参考评估里最常用、也最容易写错的一个指标。

import numpy as np def entropy(image, levels=256): """无参考指标：信息熵，单位 bit，理论最大值 log2(levels)。 image : 灰度融合图，形状 (H, W) levels : 灰度级数；uint8 图传 256，float 归一化图需要先处理 """ if image.dtype == np.uint8: img = image.astype(np.uint8) else: # float 归一化图先放大到 0~255 再取整，直接截断会全部坍缩到 0 img = np.clip(np.round(image * 255.0), 0, 255).astype(np.uint8) hist = np.bincount(img.ravel(), minlength=levels)[:levels].astype(np.float64) prob = hist / hist.sum() prob = prob[prob > 0] # 去掉概率为 0 的灰度级，避免 log(0) return float(-np.sum(prob * np.log2(prob)))

最关键的一行是 float 图的预处理：np.round(image * 255.0) 之后再 astype(np.uint8)。如果直接对 0~1 的 float 图做 astype(np.uint8)，所有小于 0.5 的像素都变成 0，整个图坍缩成一个灰度值，熵直接变成 0，这个结果在论文里出现会非常尴尬。这个细节也是后续避坑章节要重点讲的现象。

标准差这个指标简单到不需要封装函数：np.std(image) 一行就够，但要注意需要转 float 再算。标准差衡量灰度值的离散程度，数值越大说明图像对比度越强、明暗层次越丰富。它的局限也很明显：一张对比度拉满的椒盐噪声图标准差极高，但视觉质量很差，所以标准差只能作为辅助参考，不能单独下结论。

4.2 互信息 MI：融合图与源图的“信息继承度”

互信息衡量两个随机变量之间的统计相关性，在图像融合里通常这样理解：融合图跟某张源图之间的 MI 越大，说明融合图从这张源图中保留的信息越多。标准做法是分别计算融合图与各源图的 MI，两张源图各出一个值，结论里可以分开报。

import numpy as np def mutual_information(source, fused, levels=256): """无参考指标：源图与融合图的互信息，越大代表信息继承度越高。 source : 任选一张源图 fused : 融合图 levels : 灰度量化级数 """ def _to_uint8(img): if img.dtype == np.uint8: return img.copy() return np.clip(np.round(img * 255.0), 0, 255).astype(np.uint8) s = _to_uint8(source) f = _to_uint8(fused) # 二维联合直方图，统计同一位置灰度组合出现的频次 joint_hist, _, _ = np.histogram2d( s.ravel(), f.ravel(), bins=levels, range=[[0, levels], [0, levels]] ) p_joint = joint_hist / joint_hist.sum() # 联合概率 p_s = p_joint.sum(axis=1, keepdims=True) # 源图边缘概率 p_f = p_joint.sum(axis=0, keepdims=True) # 融合图边缘概率 denom = p_s * p_f # 独立假设下的联合概率 valid = (p_joint > 0) & (denom > 0) # 跳过无观测的位置 with np.errstate(divide='ignore', invalid='ignore'): log_ratio = np.log2(p_joint / denom) log_ratio = np.where(valid, log_ratio, 0.0) return float(np.sum(p_joint * log_ratio))

这段实现里有一个需要重点说明的设计：denom 出现 0 时，np.log2 会产生除零警告，所以先用 valid 掩码把非法位置过滤掉，参与累加的全是有效观测。levels 参数影响联合直方图的粒度：256 级在 512x512 图像上每个灰度组合平均样本不足 4 个，直方图偏稀疏；有些论文改用 64 级量化，结果更稳定。我个人的习惯是评估时统一用 128 级，比 256 级噪声小、比 64 级信息量足，但要注意整套实验保持同一参数。

互信息的语义和熵不同：熵只看融合图本身信息量，哪怕全是噪声也可能给出高值；MI 则要求融合图与源图有统计关联。把两张完全无关的图像放一起算 MI，结果会接近 0，这正是它的价值——检验融合过程的“保真性”。

4.3 QAB/F：最接近人眼判断的梯度保留指标

QAB/F 全称是“基于梯度信息的融合质量指标”，它度量融合图到底保留了多少来自源图的边缘信息。人眼对图像质量最敏感的部分就是边缘，所以 QAB/F 在融合评估里被视为最接近主观观察的客观指标，取值范围 0~1，越高越好。

实现思路分四步：第一步，对源图 A、源图 B、融合图 F 分别做 4 方向 Sobel 卷积，得到每个像素的边缘强度和边缘方向；第二步，计算融合图相对各源图的强度保留度和方向保留度；第三步，将两者合成像素级保留度；第四步，按源图边缘强度加权求和，得到全局 QAB/F。

import numpy as np from scipy.ndimage import convolve def qabf(source_a, source_b, fused, K=2.0, sigma=1.0): """无参考指标：QAB/F 梯度保留度，0~1，越大越好。 source_a / source_b : 两张源图，灰度图，与 fused 同尺寸 fused : 融合图 K : sigmoid 斜率，控制保留度随梯度变化的敏感程度 sigma : sigmoid 阈值，边缘强度比超过此值才算“保留住了” """ kernels = [ np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]]), # 水平 np.array([[-1, -2, -1], [0, 0, 0], [1, 2, 1]]), # 垂直 np.array([[0, 1, 2], [-1, 0, 1], [-2, -1, 0]]), # 主对角 np.array([[-2, -1, 0], [-1, 0, 1], [0, 1, 2]]), # 副对角 ] def _gradient(img): # 对 4 个方向分别卷积，取响应绝对值最大的方向作为该像素边缘 resp = [np.abs(convolve(img, k, mode='mirror')) for k in kernels] g = np.maximum.reduce(resp) alpha = np.argmax(resp, axis=0) return g, alpha g_a, a_a = _gradient(source_a.astype(np.float64)) g_b, a_b = _gradient(source_b.astype(np.float64)) g_f, a_f = _gradient(fused.astype(np.float64)) def _retention(g_src, a_src, g_fus, a_fus): # 边缘强度保留比：源边缘强则看融合保留多少，反之说明融合引入多余边缘 g_ratio = np.where( g_src > g_fus, g_fus / np.maximum(g_src, 1e-10), g_src / np.maximum(g_fus, 1e-10), ) # 方向差取 0~90 度范围，90 度视为完全不保留 diff_hat = (a_src - a_fus) % 4 diff_hat = np.minimum(diff_hat, 4 - diff_hat) xi = 1.0 - diff_hat * 45.0 / 90.0 q_g = 1.0 / (1.0 + np.exp(-K * (g_ratio - sigma))) q_alpha = 1.0 / (1.0 + np.exp(-K * (xi - sigma))) return q_g * q_alpha q_af = _retention(g_a, a_a, g_f, a_f) q_bf = _retention(g_b, a_b, g_f, a_f) w_a, w_b = g_a, g_b denom = np.sum(w_a + w_b) + 1e-10 return float(np.sum(w_a * q_af + w_b * q_bf) / denom)

代码中 4 个 Sobel 核分别对应水平、垂直、两条对角线方向，这是原版思路：图像边缘不只有横竖两种走向，斜向边缘在单一方向 Sobel 下会漏检。梯度强度取 4 个方向响应的最大值，方向取最大值对应的核编号，这样每个边缘像素都获得一个离散化的方向值。

_gradient 返回的 alpha 取值范围是 0~3，计算方向差时用取模运算处理角度环回：0 和 3 之间真实角度差只有 45 度，用直接相减会得到 3。方向差再归一化到 0~1，90 度正交的极端情况保留度为 0。

sigmoid 的两个参数 K 和 sigma 是 QAB/F 里最容易被忽略的关键。sigma 默认 1.0，表示只有边缘强度保留比超过 1.0 时保留度为 0.5 以上；K 控制这个过渡带的陡峭程度。需要强烈提醒的是：这套参数在你自己项目内部是自洽的，但不同论文、不同公开实现里 sigmoid 的形态差异极大，有些版本甚至直接用 min/max 比值做保留度而不做 sigmoid，导致同一个融合方法在不同实现下 QAB/F 可能差出 0.2 以上。所以 QAB/F 的横向对比必须限定在同一个代码库内进行，跨论文对比数值没有意义。

4.4 空间频率与平均梯度：清晰度的两个快速探针

空间频率衡量图像整体细节丰富程度，平均梯度衡量边缘锐利程度。两个指标都只依赖融合图本身，计算量小，适合在批量评估里作第一层筛选。

import numpy as np def spatial_frequency(image): """无参考指标：空间频率 SF，值越大细节总量越多。""" img = image.astype(np.float64) h, w = img.shape row_diff = img[:, 1:] - img[:, :-1] col_diff = img[1:, :] - img[:-1, :] rf = np.sqrt(np.sum(row_diff ** 2) / (h * w)) cf = np.sqrt(np.sum(col_diff ** 2) / (h * w)) return float(np.sqrt(rf * rf + cf * cf)) def average_gradient(image): """无参考指标：平均梯度 AG，值越大边缘越锐利。""" img = image.astype(np.float64) dx = img[1:, :] - img[:-1, :] # 垂直差分，形状 (H-1, W) dy = img[:, 1:] - img[:, :-1] # 水平差分，形状 (H, W-1) gx = dx[:, :-1] # 对齐到 (H-1, W-1) gy = dy[:-1, :] return float(np.mean(np.sqrt((gx ** 2 + gy ** 2) / 2.0)))

两个指标的逻辑区别值得说明：空间频率关注差分的大小累计，整幅图细节越密，数值越高，所以它对纹理丰富的区域非常敏感；平均梯度把差分逐像素化再取平均，更看重每个像素位置上的局部变化强度。实际使用中，空间频率容易被图像本身的亮部和纹理带偏，而平均梯度相对均匀。两张图一个 SF 高一个 AG 高时，意味着前者整体细节丰富但边缘不够聚拢，后者锐利但纹理总量少，具体选哪个需要回到应用目标去判断。

5. 图像融合评估避坑：五个最容易翻车的细节

5.1 坑一：uint8 图直接相减，PSNR 出现几百甚至无穷大

现象：融合图和参考图肉眼看着差不多，但 PSNR 算出来超过 100 dB，或者出现明显的正负震荡。

原因：uint8 是无符号 8 位整型，取值范围 0~255。两张 uint8 图直接相减时，128 - 200 不会得到 -72，而是溢出成 184，MSE 和真实误差完全脱节。如果刚好两张图在某个区域像素值完全相等，误差为 0，再乘平方就会得到异常偏大的 PSNR。

解决：所有涉及差值的计算，第一步永远先 astype(np.float64)。PSNR、SSIM、SF、AG 都适用这条规则。批量评估前加一个断言：assert fused.dtype == ref.dtype，dtype 不一致直接报错，比在结果表里排查异常值省力得多。

5.2 坑二：float 归一化图直接转 uint8，熵和 MI 集体塌缩

现象：信息熵输出 0.0 或者严重偏低，互信息也异常小，但融合图肉眼看着色彩层次很正常。

原因：0~1 的 float 图直接调用 astype(np.uint8)，所有小于 0.5 的值都会截断成 0，大于等于 0.5 的截断成 1。整幅图被压缩成两三个灰度级，直方图几乎只剩一个峰值，熵当然趋近 0。

解决：float 图转 uint8 必须经过缩放：np.clip(np.round(img * 255.0), 0, 255).astype(np.uint8)。同样的问题也会出现在计算联合直方图时，所以 MI 函数内部统一封了一个 _to_uint8 做兜底。把输入预处理收敛到指标函数内部，而不是依赖调用方每次手写，能显著减少这类低级错误。

5.3 坑三：QAB/F 参数乱设，同一个融合方法跑出完全不同的结论

现象：用网上某个实现跑 QAB/F，融合图 A 比 B 高；换一套实现，结果反过来。两个结论都晒在实验报告里，自己都不知道该信谁。

原因：QAB/F 的 sigmoid 公式在不同版本里有 K 和 sigma 的差异，有的实现还把 K 固定成 10、sigma 固定成 0，有的则用 1 和 1，再加上是否做方向差取模、是否加权求和等细节不同，最终数值差出 0.2 都不奇怪。这不是算法错了，而是参数体系不一致。

解决：从项目第一天就把 QAB/F 的参数写死在配置里，例如 K=2.0、sigma=1.0，并且在文档里标注清楚；整套实验、所有对比方法都用同一个函数、同一组参数。发表或汇报时，必须写明 QAB/F 的实现细节和参数，注明是“本代码库内自洽对比”。想跨论文复现别人的数值，基本不可行。

5.4 坑四：指标结论互相打架，不知道以哪个为准

现象：融合方法 X 的熵和 MI 比方法 Y 高，但 QAB/F 和平均梯度比 Y 低。实验结论怎么写都不对。

原因：熵衡量信息量，QAB/F 衡量边缘保留度，两者本来就不是同一种判断。融合图细节多但边缘组织差的时候，熵会高，QAB/F 会低；反过来，边缘保留得好但信息量不足，熵也会低。指标互相矛盾不是 bug，而是因为它们在看不同的维度。

解决：先定主指标再定辅助指标。评估目标是“人眼看得舒服”，主指标用 QAB/F、辅助用平均梯度和熵；目标是“给下游检测算法喂数据”，主指标用 MI、辅助用空间频率。主指标相同方向时再参考辅助指标，不要拿多个指标投票表决，那会把问题搞得更乱。

5.5 坑五：边界处理不一致，批量评估结果系统性偏移

现象：同一组数据跑两遍评估，结果略有差异；用小尺寸测试图时差异更明显，融合方法排序偶尔还会变化。

原因：卷积类操作在图像边缘需要确定越界像素怎么处理，mode='reflect'、'mirror'、'constant' 三种模式在边缘处产生完全不同的值。SSIM 和 QAB/F 都涉及卷积，边界模式不一致会让边缘区域的指标统计产生系统性偏差。图像越小的数据集，边缘像素占比越高，偏差越大。

解决：整个评估代码库统一使用 mode='mirror' 或 mode='reflect'，禁止混用。批量评估脚本里加一个全局常量，比如 BORDER_MODE = 'mirror'，所有卷积调用都引用它。另外，把测试图像集裁剪成整齐尺寸再做评估，避免出现奇数尺寸图像在差分计算里多一行少一列的情况。

6. 指标组合拳：用一套评估函数快速定位融合算法的短板

评估不是把指标打印出来就结束，而是要用指标反向指导算法调优。我会把所有常用指标封装成一个统一入口，输入两张源图、一张融合图，一次性返回完整指标字典，避免在实验里反复复制粘贴代码。

import numpy as np def evaluate_fusion(source_a, source_b, fused, ref=None): """一键输出融合评估指标集。 ref 为 None 时自动跳过 PSNR/SSIM，适合无真值的融合场景。 返回 dict，key 为指标名，value 为浮点数值。 """ metrics = { 'entropy': entropy(fused), 'std': float(np.std(fused.astype(np.float64))), 'sf': spatial_frequency(fused), 'ag': average_gradient(fused), 'mi_with_a': mutual_information(source_a, fused), 'mi_with_b': mutual_information(source_b, fused), 'qabf': qabf(source_a, source_b, fused), } if ref is not None: metrics['psnr'] = psnr(fused, ref) metrics['ssim'] = ssim(fused, ref) return metrics

拿到这个字典后，我会画一张简单的对比表来定位问题。假设两种融合方法 A 和 B 的读数如下：

这个组合说明：方法 B 靠抬高整体信息量赢在熵指标上，但边缘保留度输给了 A，且在两张源图的 MI 上偏向明显；方法 A 是保守型融合，边缘组织好但引入的新信息有限。如果项目目标是侦查类视觉任务，我会保留 A 的梯度优势、补上 B 在弱纹理区域的信息补充能力；如果目标是红外目标检测，A 的强边缘反而更关键。指标本身不告诉你答案，但能精确指出算法在哪个维度偏科。

我最后养成的习惯是：每跑一批融合实验，先自查三件事——所有图是否统一转 float64、float 图转 uint8 是否先缩放、QAB/F 参数是否同一套。这三件事全对，再谈指标对比。指标数值是拿来辅助判断的，不是拿来给报告凑数的，参数和口径不统一时，数值越精确越危险。希望这篇把图像融合评估这条路上的沟沟坎坎讲清楚了，能帮你少走几趟弯路。

本文还有配套的精品资源，点击获取