互联网视讯业务图像质量的评估标准与方法
图像质量评价标准
图像质量评价标准|一、评价参数（一）对比度1、客观对比度：物体本身的差异，由被检体的密度和厚度决定。
2、x线对比度：穿过人体后，x线强度上的差异。
3、图像对比度：x线照片上所表现出的密度差。
客观对比度是成像的基础，图像对比度是图像的最基本特征。
下图很好的说明了以上三个对比度：1、客观对比度：骨骼、软组织、气体存在密度上的差别。
2、X线对比度：透过不同组织形成的X线强度上的差别。
3、图像对比度：图像上形成的黑白差别。
对比度分辨率是指将客观对比度转换成图像对比度的能力。
分辨率高的成像装置可将低对比的组织区分开；分辨率低的成像装置只能将高对比的组织区分开。
例如：CT与平片。
左图是普通平片，属于分辨率低的装置（X线机）摄取的片子；右图是胸部C T横断片，属于高分辨率的装置（CT机）摄取的片子。
对低对比的组织的区分能力，CT高于平片（即分辨率高的成像装置可将低对比的组织区分开），而平片只能区分差别较大组织（即分辨率低的成像装置只能将高对比的组织区分开）。
（二）模糊1、指物体的边界不清楚。
2、原因：每个物点的像向周围有不同程度的扩展。
3、影响：降低了图像的清晰度。
空间分辨率：区分相互靠近的两个物体细节的能力。
用LP/mm表示。
是评价影像设备性能优劣的重要指标。
以下是电影《神话》的一幅海报，表现的是图像的模糊。
下图是一幅分辨率较高的图片，图像较清晰。
（三）噪声1、定义：图像中可随机观察到的光密度变化。
2、表现为：斑点、雪花、网纹等。
3、原因：x线光子的随机分布。
4、描述：信噪比（SNR）。
SNR越大，图像质量越好。
（四）伪影1、定义：指图像中出现的被检体不存在的虚假信息。
2、影响：干扰正常结构，造成误诊。
（五）畸变定义：指物体的形态、大小和位置不同程度的改变。
数字摄像机图像质量评估标准
数字摄像机图像质量评估标准随着科技的不断进步，数字摄像机在如今的生活中扮演了重要角色。
无论是在智能手机、电视机还是安防系统中，数字摄像机的应用都非常广泛。
然而，摄像机的图像质量却成为人们普遍关注的焦点。
因此，制定一套科学准确的数字摄像机图像质量评估标准迫在眉睫。
数字摄像机图像质量评估标准并非一蹴而就。
我们需要考虑众多因素，如清晰度、色彩还原度、动态范围、噪点抑制能力等。
首先，清晰度是图像质量评估中最基本也最关键的指标之一。
一个优秀的摄像机应该能够拍摄出细节丰富、轮廓清晰的图像，远景和近景都应该有着良好的分辨率。
这样的图像能够提供给用户更多的信息，以满足业务需求。
为了评估清晰度，我们可以通过图像分辨率、线条锐利度和遮挡细节等方面进行评估。
其次，色彩还原度是图像质量评估的另一个重要指标。
一个出色的摄像机应该能够准确还原真实的色彩，使图像更加逼真。
色彩还原度的好坏取决于相机的色彩传感器、图像处理器以及色彩处理算法等因素。
在评估摄像机的色彩还原度时，我们可以通过比对图像和实际观察场景来判断图像的真实度。
如果图像在不同光照条件下具有一致的色彩表现，那么我们可以认为这个摄像机具有优秀的色彩还原度。
此外，动态范围也是衡量数字摄像机图像质量的重要指标之一。
动态范围指的是摄像机可以捕捉到的最大亮度和最小亮度之间的差异。
一个有着较高动态范围的摄像机可以在亮度差异较大的场景中仍然保持较好的图像展现效果。
评估动态范围时，我们可以通过考察图像中的高光和阴影细节来判断其动态范围能力。
另外一个重要的指标是噪点抑制能力。
噪点是数字图像中常见的问题之一，会降低图像的细节展示，并且会对图像的可用性产生负面影响。
优秀的数字摄像机应该具备出色的噪点抑制能力，以保证图像的清晰度和可用性。
在评估噪点抑制能力时，我们可以通过放大图像并注意细节区域的噪点情况来判断。
综上所述，数字摄像机图像质量评估标准应该综合考虑清晰度、色彩还原度、动态范围和噪点抑制能力等多个因素。
图像质量评价标准
图像质量评价标准图像质量评价是指对图像质量进行客观的、科学的、准确的评价，以便于对图像进行合理的处理和改进。
图像质量评价标准是对图像质量进行评价的标准化方法，其目的是为了使图像质量评价更加客观、准确。
一、图像质量评价的目的。
图像质量评价的目的是为了对图像的质量进行客观的评价，以便于对图像进行合理的处理和改进。
图像质量评价的目的主要包括以下几个方面：1. 评价图像的清晰度和细节表现，以便于对图像进行清晰度和细节的改进。
2. 评价图像的色彩还原度和色彩饱和度，以便于对图像的色彩进行合理的调整。
3. 评价图像的对比度和亮度，以便于对图像的对比度和亮度进行合理的调整。
4. 评价图像的噪点和失真程度，以便于对图像的噪点和失真进行合理的处理。
二、图像质量评价的方法。
图像质量评价的方法主要包括主观评价和客观评价。
1. 主观评价是指通过人眼对图像的质量进行评价，主观评价的方法主要包括对比观察法、分级评定法和直接感受法等。
2. 客观评价是指通过计算机对图像的质量进行评价，客观评价的方法主要包括结构相似性(SSIM)指标、峰值信噪比(PSNR)指标和均方误差(MSE)指标等。
三、图像质量评价的标准。
图像质量评价的标准是对图像质量进行评价的标准化方法，其目的是为了使图像质量评价更加客观、准确。
图像质量评价的标准主要包括以下几个方面：1. 清晰度评价标准，清晰度评价标准是评价图像的清晰度和细节表现的标准化方法，其主要包括对比度、锐度和细节度等指标。
2. 色彩评价标准，色彩评价标准是评价图像的色彩还原度和色彩饱和度的标准化方法，其主要包括色彩还原度、色彩饱和度和色彩准确度等指标。
3. 对比度评价标准，对比度评价标准是评价图像的对比度和亮度的标准化方法，其主要包括对比度和亮度等指标。
4. 噪点评价标准，噪点评价标准是评价图像的噪点和失真程度的标准化方法，其主要包括噪点和失真程度等指标。
四、图像质量评价的应用。
图像质量评价的应用主要包括以下几个方面：1. 图像采集设备的质量评价，对图像采集设备的质量进行评价，以便于选择合适的图像采集设备。
计算机视觉的图像质量评价方法(六)
计算机视觉的图像质量评价方法随着计算机视觉技术的飞速发展，图像处理已经成为了计算机视觉的一个重要的分支。
而图像质量评价方法则成为了图像处理的重要环节。
在图像处理领域，我们需要对图像质量进行评价，以便选择合适的图像处理方法，进行图像增强、压缩、传输等工作。
那么，计算机视觉的图像质量评价方法有哪些呢？首先，我们需要了解图像质量评价的基本概念。
图像质量评价是指通过对图像进行分析和评价，得出图像的质量好坏的一个过程。
而图像的质量则包括了图像的清晰度、色彩饱和度、对比度等。
在计算机视觉中，图像质量评价是非常重要的，它直接影响到我们对图像的处理和应用。
其次，图像质量评价方法可以分为主观评价和客观评价两种。
主观评价是指通过人的主观感受来评价图像的质量，这种方法的特点是准确性较高，但是成本和时间较大。
而客观评价则是通过计算机算法来评价图像的质量，通常是通过图像的特征提取、图像质量度量等方法来实现。
客观评价的特点是成本低、速度快，但是准确性相对较低。
接下来，我们来介绍一些常见的图像质量评价方法。
首先是基于结构相似性的图像质量评价方法（SSIM）。
SSIM是一种客观评价图像质量的方法，通过对图像的结构信息进行分析，来计算图像的相似性。
它是一种比较成熟的图像质量评价方法，广泛应用于图像处理的领域。
另外，还有基于块的图像质量评价方法（FSIM）。
FSIM是一种通过对图像的局部特征进行分析，来评价图像质量的方法。
它可以较准确地评价图像的纹理、对比度等特征，适用于一些特定的图像处理场景。
除此之外，还有一些其他的图像质量评价方法，比如基于感知的图像质量评价方法（PQI）、基于深度学习的图像质量评价方法等。
这些方法不仅可以评价图像的质量，还可以指导图像的处理和改进。
最后，需要指出的是，图像质量评价方法并不是一成不变的。
随着技术的不断发展，图像处理领域也在不断更新和改进。
因此，我们需要不断地学习和了解新的图像质量评价方法，以适应不同的图像处理场景。
计算机视觉的图像质量评价方法(四)
计算机视觉的图像质量评价方法一、引言在当今数字时代，图像已经成为人们生活中不可或缺的一部分，无论是在社交媒体上分享生活瞬间，还是在医学影像诊断、安防监控等领域，图像都发挥着重要的作用。
然而，随着图像的广泛应用，如何评价图像的质量成为了一个亟待解决的问题。
对于计算机视觉领域来说，图像质量评价方法的研究具有重要意义，可以帮助人们更好地理解和应用图像信息。
二、图像质量评价方法的发展历程图像质量评价方法的发展经历了多个阶段，最早期的方法是基于人眼主观评价的，即通过人工观察图像来评价图像质量。
这种方法受制于个体主观因素，难以达到客观的评价标准。
随着计算机技术的发展，一些客观评价方法也相继出现，如基于图像特征的评价方法、基于机器学习的评价方法等。
这些方法在一定程度上提高了图像质量的评价准确性，但仍存在一定局限性。
三、图像质量评价方法的研究现状目前，图像质量评价方法的研究已经进入了一个全新的阶段，随着深度学习技术的不断发展，基于深度学习的图像质量评价方法逐渐成为研究的热点。
深度学习技术可以从大量的图像数据中学习到有效的特征表示，进而实现对图像质量的准确评价。
同时，一些基于人类视觉系统特性的图像质量评价方法也取得了一定的成果，通过模拟人眼的感知机制来评价图像的质量。
四、基于深度学习的图像质量评价方法基于深度学习的图像质量评价方法主要基于卷积神经网络（CNN）进行研究。
CNN可以有效地学习图像的局部特征和全局特征，对于图像质量评价具有很好的表现。
研究者们通过建立大量的图像数据集，训练深度神经网络模型，从而实现对图像质量的准确评价。
这种方法不仅提高了图像质量评价的准确性，还能够实现对不同场景下图像质量的自适应评价。
五、基于人类视觉系统特性的图像质量评价方法基于人类视觉系统特性的图像质量评价方法主要是通过模拟人眼的感知过程来评价图像的质量。
人眼对于图像的感知受到亮度、对比度、色彩等多个因素的影响，因此研究者们通过对这些因素进行建模，设计了一系列的图像质量评价算法。
图像质量评估
图像质量评估图像质量评估是对一幅图像的视觉质量进行评估的过程。
在图像处理和计算机视觉领域中，图像质量评估是一个重要的研究领域，它帮助人们了解和提升图像质量，从而提高图像处理和计算机视觉应用的效果。
图像质量评估的目的是确定图像的整体视觉质量，衡量图像的清晰度、亮度、对比度、色彩准确性、失真程度等方面。
在实际应用中，图像质量评估可以帮助人们选择最优的图像处理算法、优化图像传输和压缩算法、改善图像渲染和显示效果。
图像质量评估的方法多种多样，常见的方法包括主观评估和客观评估。
主观评估是通过人眼观察和主观感受来评估图像质量的方法。
在主观评估中，一组受试者会观看一系列图像，对它们的质量进行评价，评价结果通过平均分数或者百分比来得到。
主观评估方法的优点是能够获得较为准确的图像质量评价结果，但是主观评估需要消耗大量的人力和时间，并且对于评价结果的一致性和可重复性要求较高。
客观评估是通过计算机算法和数学模型来评估图像质量的方法。
客观评估方法基于图像特征的度量和统计分析，通过提取图像的局部或全局特征，如图像的亮度、对比度、尖锐度等指标，来评估图像质量。
客观评估方法的优点是快速、自动化，并且能够对大量图像进行评估，但缺点是评估结果与人的主观感受可能存在一定差距。
常见的客观图像质量评估方法包括结构相似性指标（SSIM）、峰值信噪比（PSNR）、视觉感知的图像质量度量（VIF）、图像模糊度度量等。
这些方法通过对图像的不同方面进行分析和度量，给出一个数值化的评估结果，用来衡量图像的质量。
综上所述，图像质量评估是一个涉及人眼观察和计算机算法的复杂过程。
通过主观评估和客观评估相结合的方法，可以得到较为准确和全面的图像质量评价结果，帮助人们提升图像处理和计算机视觉应用的质量和效果。
图像处理技术的图像质量评估与评价方法
图像处理技术的图像质量评估与评价方法在图像处理技术的发展过程中，图像质量评估与评价方法起着至关重要的作用。
图像质量评估是指对经过处理的图像进行质量判断和评估的过程，通过对图像质量的准确评估，可以帮助人们选择最佳的图像处理算法和优化图像处理的结果。
本文将介绍图像质量评估的相关概念、常用方法以及评价指标。
我们来了解一些图像质量评估的基本概念。
图像质量评估分为参考图像质量评估和无参考图像质量评估两种方法。
参考图像质量评估是通过将经处理的图像与原始图像进行比较，从而评估图像质量。
而无参考图像质量评估则是直接对图像进行评估，无需参考标准。
图像质量评估还可以分为主观评价和客观评价两种方法。
主观评价是通过人类视觉系统进行评价，通常需要一些受试者对图像进行评分。
客观评价则是通过计算机算法进行评价，使用各种图像质量评估指标衡量图像的质量。
接下来，我们将介绍一些常用的图像质量评估方法。
首先是主观评价方法，这些方法通常需要人类主观感受来评价图像质量。
其中，有意见分数法、比较评定法、排序方法等。
意见分数法是通过要求评价者给出一定的分数来评价图像质量。
比较评定法是让评价者选择哪个图像质量更好或更差。
排序方法是让评价者对一组图像进行排序，从而确定图像质量的优劣。
这些方法可以得到相对准确的图像质量评价结果，但需要耗费时间和人力资源。
除了主观评价方法，还有一些客观评价方法被广泛应用于图像质量评估。
其中，结构相似性指数（SSIM）是一种常用的客观评价指标。
SSIM通过比较图像的亮度、对比度和结构等特征来评估图像质量。
另一个常用的客观评价指标是峰值信噪比（PSNR），它是通过计算图像中的信号与噪声之比来评估图像质量。
还有一些其他的客观评价指标，如均方误差（MSE）、感知亮度误差（LPIPS）等。
这些客观评价指标可以通过计算机算法自动进行评价，具有快速、准确的特点。
除了上述方法，还有一些特殊场景下的图像质量评估方法。
例如，在图像压缩领域，可以使用压缩比、编码效率等指标来评估图像质量。
视频图像质量评估算法的研究与应用
视频图像质量评估算法的研究与应用随着互联网和数字媒体的发展，视频图像的质量评估越来越受到重视。
视频图像质量是指对视频图像的主要视觉特征，如清晰度、亮度、对比度和色彩等进行客观和主观评价的过程。
准确评估视频图像质量对于视频的采集、传输和显示具有重要意义，因此，研究和应用视频图像质量评估算法变得至关重要。
一、视频图像质量评估算法的研究进展1. 主观评价方法主观评价方法是通过人的视觉感知对视频图像的质量进行评估。
这种方法需要大量的被试者参与实验，通过对他们的问卷调查和主观评价结果统计来对视频图像质量进行评估。
虽然主观评价方法具有较高的准确性，但其过程复杂、耗时且受到被试者主观因素的影响。
2. 客观评价方法客观评价方法通过计算机算法对视频图像的特征进行分析来评估视频图像质量。
这种方法不受人为主观因素的影响，能够快速、可靠地评估视频图像的质量。
其中，基于图像处理的客观评价方法是应用最广泛的方法之一。
它通过对视频图像的特征提取、边缘检测、对比度调整等处理来分析和评估视频图像的质量。
二、视频图像质量评估算法的应用领域1. 视频采集和传输视频采集和传输是指在摄像机或其他设备上采集视频，并通过网络传输到目标终端。
在这个过程中，视频图像质量评估算法可以帮助实时监测视频质量，及时发现并解决传输过程中的问题，确保视频图像的清晰度和稳定性。
2. 视频编辑和后期制作视频编辑和后期制作是指在视频制作过程中对拍摄的素材进行剪辑、特效添加等处理，最终形成一个完整的视频作品。
视频图像质量评估算法可以帮助编辑人员评估和选择素材的质量，从而提高视频制作过程的效率和质量。
3. 视频播放和显示视频播放和显示是指将制作好的视频通过播放设备在屏幕上呈现给观众。
视频图像质量评估算法可以帮助播放设备进行实时的图像质量监测和优化，从而提供更好的观看体验。
4. 视频监控和安防视频监控和安防是指通过视频摄像头等设备对特定区域进行实时监控和录像，以保障安全和管理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
由于图像质量直接反映了用户使用互联网视讯业务时的主观感受，图像质量的优劣对于互联网视讯应用的推广和运营商提高服务质量都有重要意义，因此有必要研究评估图像质量的标准。
目前，国际上尚无针对互联网视讯应用的图像质量评估标准，本文从相对评估和绝对评估两个方面，分析了互联网视讯应用在信源端和接收端造成图像质量损伤的原因，并对评估的标准与方法做了探讨。
一、图像质量评估方法与标准
当前对图像质量的评估方法主要分成两类：主观评价和客观测量。
主观评价的方法与标准已相对完善，而客观测量则处于热点研究中。
1.主观评价
主观评价的方法是将待评价的图像序列播放给评论者观看，并记录他们的打分，然后对所有评论者的打分进行统计，得出平均分作为评价结果。
ITU-RBT.500-7标准定义了两种标准的主观评价方法。
(1)双刺激连续质量分级法(DSCQS：DoubleStimulusContinuousQuality Scale )，将待评估的图像序列和相应的基准序列交替播放给评估者看，每个图像持续时间为10s，按此播放顺序在处理图像的前后都有一个直接的质量比较。
每个图像之后有2s的灰画面间隔，评估者可在此期间打分。
最后以所有分数的平均值作为该序列的测试值。
这样做的好处是能够最大程度地降低图像场景、情节等对主观评测的影响。
(2)单刺激连续质量评价方法(SSCQE：SingleStimulusContinuous Quality Evaluation)：这种方法只把被评价的图像序列播放给评估者看。
评价时间长达30s，评估者在观看的同时通过调节一个滑板的位置指向相应的评价分值给出评分。
很显然，主观评价有几个显着的不足之处：
(1)观察者一般需要是一个群体，并且经过培训以准确判定主观评测分，人力和物力投入大，为时较长；
(2)图像内容与情节千变万化，观察者个体差异大，容易发生主观上的偏差；
(3)主观评价无法进行实时监测；
(4)仅仅只有平均分，如果评测分数低，无法确切定位问题出在哪里。
2.客观测量
客观测量基于仿人眼视觉模型的原理对图像质量进行客观评估，并给出客观评价分。
近几年，随着人们对人眼视觉系统研究的深入，客观测量的方法和工具不断被开发出来，其测量结果也与主观评价较吻合。
国际上也成立了ITU-R视频质量专家组(ITU-RVQEG：VideoQualityExperts Group)专门研究和规范图像质量客观测量的方法和标准。
VQEG规定了两个简单的技术参数：峰值信噪比(PSNR)和均方差(MSE)。
此外，还有许多图像质量模型，这些模型在测量图像质量时都基于人眼视觉特性。
图1是一种典型的基于解码图像与基准图像差值的图像质量客观测量模型。
图1基于解码图像与基准图像差值的质量模型
如图1所示，该模型的输入是原始信号和待测的解码信号，输出是两个输入图像上各像素幅值之差的和。
在整个处理过程中考虑了人眼对图像差别的主观感觉特性，以使测量结果与主观评价所得结果相吻合。
模型中的估算考虑了人眼的非线性、视觉滤波器、人眼的屏敝效应、差值求和。
为了使客观测量与主观评价结果一致，还要使最后所得的数值范围和等级描述与主观测试相对应，对客观测量的数值进行线性转换。
这个任务在与主观评价匹配这一级完成。
图像质量的客观测量方法分为两类：“相对评估”（RelativeEvaluation）和“绝对评估”（AbsoluteEvaluation）。
相对评估：将处理过的视频（压缩或经传输）与原始视频比较以获得相对评估的指标值，并根据这些指标值评估图像质量；相对评估一般用于片源制作时的质量评估，准确性高。
绝对评估：直接对处理过的视频（压缩或经传输）进行评估以获得绝对评估的指标值，并根据这些指标值评估图像质量；绝对评估一般在线观看测试，准确性不如相对评估。
采用客观测量工具，不仅减少了对人力、物力的需求，而且测量时间大大缩短，甚至可做到实时监测。
由于主观评价的标准与方法已较完善，以下主要探讨了在互联网视讯应用的信源端和用户接收端两种环境下对图像质量的影响因素以及客观测量方法。
二、互联网视讯应用信源端的图像质量评估
1.信源端影响图像质量的原因
信源端引起图像质量劣化的原因主要是编码器。
当前主流的H.263和MPEG-2视频压缩编码算法都是基于离散余弦变换（DCT）的。
由于DCT变换是以8×8宏块为基本单元进行（改进的算法可以4×4或更小的宏块为单元），每个宏块单独编码，变换后又对DCT系数按照高、低频系数进行非线性量化。
量化结果按四舍五入的原则进行取舍，因此量化后接近零的高频系数都定为零，只剩下少数的非零低频系数。
由于在图像中，低频系数表示了图像的轮廓，高频系数代表图像细节，因此从DCT的原理可以得知，许多细节在DCT变换后从宏块中消失，而且这种图像质量的劣化是单向不可逆的。
同事由于直流和低频流系数越过相邻量化级的判决门限，使相邻块的平均亮度差别加大，在块边界造成亮度突变，使重构图像上出现明显的块结构。
在块边界出现的信号跳变，破坏了图像边缘的连续性，这些跳变产生有规律的几何排列，使重构图像边缘呈锯齿状。
块结构和锯齿状都是重构图像的噪声。
编码引起图像变化的另一原因是时间预测，是在P帧和B帧编码引入的。
用于预测的图像内容来自经编码又解码的I帧或P帧(参考帧)；其图像变化又在预测图像中重复。
参考帧中的块边界信号跳变又在预测图像的块上出现，使P帧和B帧的块效应更加严重。
信源端的图像质量评估方法同样包括主观评价与客观测量。
2．信源端图像质量的客观测量
信源端的图像质量客观测量一般采用相对评估，即在编码时将压缩过的图像与原始图像比较以获得相应指标的值，综合多个指标值对图像质量进行评估。
用于信源端的相对评估模型如图2所示。
图2信源端的图像质量相对评估
图2中的相对评估系统可以采用上文提到的基于解码图像与基准图像差值的质量模型，也可采用其他模型。
(1)可用带宽：主要衡量用户从网络取得互联网视讯应用数据的能力，当可用带宽低于所点片源的编码速率时，图像质量无法保证；
(2)延时：互联网视讯应用是实时性业务，尽管播放器都有一定的缓存能力（典型的为5s），但当延迟超出缓存能力时，迟到的包将被播放器丢弃，从而影响图像质量；
(3)丢包：丢包是导致图像质量劣化的最本质原因，由于媒体数据是前后关联的，并且不同的数据包对于重构图像的重要性不同，因此即时少量的丢包（如I帧数据的丢包）也可能引起解码器主动丢弃其他相关的数据包，引起质量下降；
(3)抖动：一般媒体播放器是针对稳定的码流，当抖动过大时会导致解码器主动丢包引起图像质量下降。
根据中华人民共和国通信行业标准送审稿《IP网络技术要求——网络性能参数与指标》中规定，进行互联网多媒体传输时，网络性能要求达到1级或1级以上，即如表1所示。
图像质量的绝对评估模型主要基于以下评估指标：
(1)图像跳跃（jerkiness）：指图像看起来不平滑，有类似“快进”时的现象。
造成的原因可能是：网络拥塞等造成的丢包，编码器受固定码率（CBR）限制而引入的丢包或缺帧，帧率忽然下降。
(2)块效应（blockiness）：块效应是所有基于DCT技术压缩可能出现的现象。
造成的原因主要是传输误码，因为DCT变换是整个块进行的，一个误码将影响整个DCT反变换的结果。
(3)模糊度（blur）：模糊度指图像高频细节部分丢失造成的图像边缘拖尾现象。
造成的原因可能是编码器为了适应固定码率而主动引入的，另外传输差错和丢包同样会引起模糊。
(4)噪声（noise）：图像噪声指的是由于高频细节劣化产生的附加象素点，类似“雪花”现象。
造成的原因主要在于片源侧，例如采用磁带记录视频时容易产生“雪花”噪声。
另外传输
差错（误比特）也会产生噪声。