국소 통계로 비교하기
대표적인 형태는 밝기 비교 항 (2μxμy+C1)/(μx²+μy²+C1)과 대비·구조 항 (2σxy+C2)/(σx²+σy²+C2)을 곱한다. μ는 국소 평균, σx²와 σy²는 국소 분산, σxy는 공분산이다. C1,C2는 분모가 작아지는 상황을 다루는 양의 상수다. 창별 점수를 평균하는 구성이 쓰이며 어떤 창과 통계 정의를 사용했는지 확인해야 한다.
음수가 가능한 예제
한 창의 값이 x=(0,0,1,1), y=(1,1,0,0)이고 네 값에 같은 가중치를 준다고 하자. 평균은 둘 다 0.5, 모집단 방식 분산은 둘 다 0.25, 공분산은 -0.25다. C1=0.0001,C2=0.0009이면 밝기 항은 1, 다른 항은 -0.4991/0.5009여서 약 -0.996이다. 따라서 이 정의의 SSIM을 항상 0부터 1 사이의 확률로 해석해서는 안 된다.
설정을 맞추어 비교하기
영상의 표현 범위가 달라지면 그에 맞는 안정화 상수도 달라진다. 창의 크기와 가중치, 가장자리 처리, 채널별 집계와 축소 배율에 따라 수치가 달라질 수 있다. 같은 이름의 지표라도 이런 설정이 다르면 숫자를 직접 비교하기 어렵다. 기준 영상과 비교 영상의 좌표 대응도 맞춰야 한다.
지각 품질과 의미의 구분
동일한 평균 제곱 오차라도 왜곡의 모양이 다를 수 있어 국소 구조를 비교하는 관점이 도움이 된다. 그러나 높은 SSIM이 원래 세부 정보의 정확성이나 영상 속 대상의 의미를 보장하는 것은 아니다. 위치 어긋남과 왜곡 종류에 대한 반응을 검토하고 PSNR, 시각적 관찰 등 다른 근거와 함께 판단한다. 기준 영상 자체가 적절한지도 확인해야 한다.