图片质量没有一个适用于所有场景的统一数字。它通常需要结合分辨率、锐度、噪点、动态范围、色彩准确度、几何失真和压缩伪影进行评估，并且必须服从图片的最终用途。
商品缩略图、医学图像、档案扫描、社交媒体图片和大型广告牌的合格标准完全不同。正确的第一个问题不是“分数是多少”，而是“这张图片必须保留什么信息”。
先定义图片要完成的任务
- 商品图片需要真实呈现形状、颜色、材质与关键细节；
- 文档扫描需要保留文字和线条的可读性；
- 测量图片需要保存清晰边缘和未经未知拉伸的几何关系；
- 人像可能更重视自然肤质，而不是把所有噪点抹成塑料质感；
- 网页图片需要在视觉质量、文件大小和加载速度之间平衡；
- 打印文件需要在最终尺寸下拥有足够的有效 PPI。
质量的本质，是图片能否胜任目标，而不是文件是否足够大。
分辨率：存在多少像素采样点
分辨率通常用宽 × 高像素表示。两者相乘得到总像素数，再除以一百万得到 MP。
更多像素有机会记录更细的空间信息，但前提是镜头、对焦和处理真的把细节送进了这些像素。把小图放大，只会得到更大的网格，不会重建原始场景。
因此，分辨率是必要证据，却不是完整质量分数。详细区别可阅读图片分辨率如何衡量。
锐度：边缘与细节被呈现得多清楚
锐度同时受到真实细节和边缘对比度影响。一条边看起来很“硬”，可能是源文件细节丰富，也可能只是软件加强了局部对比。
实用检查方法包括：
- 观察文字、睫毛、织物或其他已知细节；
- 比较焦点主体与前后区域；
- 查看运动模糊是否具有明确方向；
- 检查高反差边缘是否出现过度锐化光晕；
- 在技术测试中测量边缘响应或空间频率。
实验室可以使用 MTF、边缘扩散或测试卡。日常内容工作中，在相同最终尺寸下进行稳定的并排比较，往往比孤立的实验数字更有用。
“不清楚”可能来自多种原因
- **对焦模糊：**焦点落在主体前方或后方；
- **运动模糊：**曝光期间相机或主体移动；
- **景深模糊：**三维场景中只有一部分被设计为清晰；
- **缩放变软：**重新采样降低了边缘对比；
- **压缩损伤：**色块和振铃吞噬小细节；
- **显示缩放：**查看器没有按合适比例显示图片。
修复方法取决于原因。锐化可以加强边缘对比，却无法可靠恢复严重运动模糊或失焦中已经丢失的细节。
噪点：掩盖真实信息的随机变化
噪点表现为不属于场景的亮度或颜色波动，常出现在阴影、高 ISO、小尺寸传感器和强处理文件中。
比较噪点时应保持相同输出尺寸。对于最终显示很小的高分辨率图片，100% 放大可能夸大噪点的实际影响；反过来，过强降噪虽然让画面干净，却可能抹掉纹理，形成“塑料感”。
良好评估要平衡噪点与保留细节，而不是简单选择看起来最光滑的一张。
动态范围与明暗细节
动态范围描述可用暗部与亮部之间的跨度。检查成品时应观察：
- 高光是否变成没有纹理的纯白；
- 阴影是否压成整块黑色；
- 渐变是否出现色阶断裂；
- 局部对比是否能分开重要形状；
- 编辑是否制造了光晕和不自然的明暗过渡。
高动态范围源文件也可能被糟糕地输出。文件格式、色调映射、显示能力和编辑选择共同决定观众最终能看到什么。
色彩准确度与一致性
色彩质量包括白平衡、色相、饱和度以及跨设备的一致性。客观工作需要稳定光源、校准显示器、色卡和合适的颜色配置。
网页输出应确认色彩空间得到常见浏览器支持，并检查编辑软件与浏览器之间是否发生明显偏色。商品图片不能只追求“更好看”，还要避免误导商品真实颜色。
压缩伪影
有损压缩通过丢弃或近似信息降低文件体积，常见损伤包括：
- 平坦或暗部区域出现方块边界；
- 文字与硬边缘周围出现振铃；
- 细小纹理被涂抹；
- 颜色向相邻区域渗透；
- 平滑渐变出现分层。
反复保存 JPEG 会累积损伤。应保留高质量母版，每次从母版生成交付文件，而不是继续编辑已经压缩过的副本。
文件体积也不是质量指标。配置良好的现代格式，可能用更小体积保存比错误设置的大文件更多的可见细节。
几何保真度也是质量
对于测量、记录和技术图片，透视、镜头畸变、滚动快门和非等比拉伸都会改变表面尺寸，即使画面看起来很清晰。
从照片测量物体前：
- 尽量让相机垂直于测量平面；
- 把已知参考物放在目标同一平面；
- 避免在广角画面边缘进行关键测量；
- 使用原始文件，不使用被拉伸的预览；
- 场景深度变化时，把结果视为近似值。
Image Measure Pro 可以精确测量原图像素几何，并应用单平面标定；它无法恢复被透视或缺失比例从照片中移除的真实尺寸。
有参考原图时的客观指标
当原始参考图和处理后图片同时存在，可以使用软件指标比较。
PSNR
峰值信噪比来自像素误差，容易计算，适合受控的编码或处理比较，但不一定符合人的视觉感受。
SSIM
结构相似性比较亮度、对比度和结构模式，通常比简单像素误差更贴近感知，但分数仍受实现、尺度和内容影响。
感知指标
学习型或特征型指标尝试模拟人的感知判断，在测试流水线中很有价值，却不能互相直接替代，也可能在陌生内容或任务特定细节上失败。
发布分数时，必须同时写明指标名称、版本、参数、参考图和评价尺度。
没有参考原图时怎么办
软件可以估计模糊、噪点、曝光或压缩程度，但结果只能作为信号，不能当作真相。浅景深可能是艺术选择，却被算法判为模糊；胶片颗粒可能是有意保留；医学图像中一个低对比结构的重要性也可能超过整体“好看”。
当上下文决定“什么叫好”时，人工审查仍不可替代。
一套实用评估流程
- **定义输出。**记录展示尺寸、打印尺寸、观看距离和关键内容。
- **确认源文件。**检查像素尺寸、格式、颜色配置，以及它是原图还是派生文件。
- **按最终尺寸检查。**用观众实际看到的大小判断整体效果。
- **检查关键区域。**观察焦点、文字、边缘、人脸、纹理、阴影和渐变。
- **检查几何。**尺寸重要时，排查拉伸、透视和镜头畸变。
- **在相同条件下比较。**统一缩放、显示器、裁剪和色彩管理。
- **只使用能回答明确问题的指标。**不要把无关数字混成一个不透明的“质量分”。
- **记录结论。**说明什么通过、什么失败，以及它为什么影响用途。
常见误区
“这是 4K，所以质量很高”
4K 只描述像素尺寸，不能证明对焦、来源真实性、压缩和色彩正确。
“文件写着 300 DPI，所以可以打印”
还必须知道像素尺寸和最终印刷尺寸。请使用DPI/PPI 计算方法。
“100% 放大很清楚，所以一定能印好”
屏幕缩放不是打印尺寸。还需要判断有效 PPI、输出锐化、纸张和观看距离。
“指标越高一定越好”
指标只是某个明确比较的证据，不是对真实性、实用性和审美的通用排名。
简短结论
根据最终用途，选择最小但足够的一组指标。像素尺寸描述网格；锐度描述细节和边缘；噪点、动态范围、色彩、压缩与几何则描述信息可能如何被保留或损失。
好的质量评估会公开它的目的和证据，而不是用一个漂亮数字遮住复杂的视觉判断。