{"id":1829,"date":"2026-03-30T08:38:09","date_gmt":"2026-03-30T07:38:09","guid":{"rendered":"https:\/\/katharina-schmidt-engineering.de\/?p=1829"},"modified":"2026-04-03T13:25:10","modified_gmt":"2026-04-03T12:25:10","slug":"metriken-zur-bildevaluation","status":"publish","type":"post","link":"https:\/\/katharina-schmidt-engineering.de\/en\/metriken-zur-bildevaluation\/","title":{"rendered":"Bildmetriken erkl\u00e4rt: MSE, PSNR und SSIM im Vergleich"},"content":{"rendered":"
\n

Kurzzusammenfassung<\/h2>\n\n\n\n

Dieser Beitrag gibt einen kompakten \u00dcberblick \u00fcber zentrale Bildmetriken<\/strong> zur Bewertung von Bildverarbeitungsmodellen, darunter MSE<\/strong>, SSIM<\/strong> und PSNR<\/strong>, und deren Einsatz je nach Anwendungsfall. Er zeigt, welche Kennzahlen wirklich aussagekr\u00e4ftig sind und wo ihre Grenzen liegen. Ziel ist es, eine fundierte Grundlage f\u00fcr die Auswahl und Interpretation geeigneter Evaluationsmetriken in der Praxis zu schaffen.<\/p>\n<\/div>\n\n\n\n

\n
<\/div>\n\n\n\n

\u00dcberblick<\/h2>\n\n\n\n

Digitale Bilder spielen in vielen Gesch\u00e4ftsprozessen eine zentrale Rolle \u2013 von der Qualit\u00e4tskontrolle in der Produktion \u00fcber Produktbilder im E-Commerce bis hin zur automatisierten Auswertung durch Machine-Learning-Modelle. Doch sobald Bilder ver\u00e4ndert, komprimiert oder durch Algorithmen verarbeitet werden, stellt sich eine zentrale Frage: Wie l\u00e4sst sich die Bildqualit\u00e4t objektiv messen?<\/strong> Daf\u00fcr kommen sogenannte Bildmetriken<\/em> ins Spiel, welche Bilder quantitativ bewerten.<\/p>\n\n\n\n

Kennzahlen wie Mean Squared Error (MSE)<\/strong>, Peak Signal-to-Noise Ratio (PSNR)<\/strong> und Structural Similarity Index (SSIM)<\/strong> werden in der Praxis h\u00e4ufig eingesetzt, um Unterschiede zwischen Bildern zu quantifizieren. Sie bilden die Grundlage f\u00fcr die Bewertung von Bildverarbeitungspipelines und Validierung von KI-Modellen im Computer Vision Bereich.<\/p>\n\n\n\n

In der Praxis zeigt sich jedoch schnell: Nicht jede Metrik misst das, was f\u00fcr den Menschen tats\u00e4chlich \u201esichtbar\u201c relevant ist.<\/strong> W\u00e4hrend einige Verfahren rein pixelbasierte Abweichungen erfassen, ber\u00fccksichtigen andere die strukturelle Wahrnehmung des menschlichen Auges. Die Wahl der richtigen Metrik ist daher kein Detail, sondern entscheidend f\u00fcr valide Ergebnisse \u2013 insbesondere in produktiven Anwendungen.<\/p>\n\n\n\n

In diesem Beitrag zeige ich anhand eigener Bildbeispiele und reproduzierbarer Python-Experimente, wie sich verschiedene Bildmetriken in realistischen Szenarien verhalten. Ziel ist es, ein  Verst\u00e4ndnis daf\u00fcr zu entwickeln, wann welche Metrik sinnvoll ist \u2013 und wann sie in die Irre f\u00fchrt<\/strong>.<\/p>\n<\/div>\n\n\n\n

\n

MSE – der Klassiker beim Training neuronaler Netze f\u00fcr Bildaufgaben<\/strong><\/h2>\n\n\n\n

Der Mean Squared Error (MSE)<\/strong> misst den durchschnittlichen quadratischen Fehler auf Pixel-Ebene und liefert damit eine direkte Aussage dar\u00fcber, wie stark sich ein ver\u00e4ndertes Bild vom Original unterscheidet.<\/p>\n\n\n\n

Formal ist der MSE definiert als:<\/p>\n\n\n\n

M<\/mi>S<\/mi>E<\/mi>(<\/mo>x<\/mi>,<\/mo>y<\/mi>)<\/mo>=<\/mo>1<\/mn>N<\/mi><\/mfrac>\u2211<\/mo>i<\/mi>=<\/mo>1<\/mn><\/mrow>N<\/mi><\/munderover><\/mrow>(<\/mo>x<\/mi>i<\/mi><\/msub>\u2212<\/mo>y<\/mi>i<\/mi><\/msub>)<\/mo>2<\/mn><\/msup><\/mrow>MSE(x, y) = \\frac{1}{N} \\sum_{i=1}^{N} (x_i – y_i)^2<\/annotation><\/semantics><\/math><\/div>\n\n\n\n

Dabei bezeichnet (x_i) den Pixelwert des Originalbildes, (y_i) den entsprechenden Pixelwert des ver\u00e4nderten Bildes und (N) die Gesamtanzahl aller Pixel. Durch das Quadrieren der Differenzen werden gr\u00f6\u00dfere Abweichungen st\u00e4rker gewichtet als kleinere.<\/p>\n\n\n\n

Ein niedriger MSE-Wert bedeutet, dass die beiden Bilder sich im Durchschnitt nur gering unterscheiden, w\u00e4hrend ein hoher Wert auf deutliche Abweichungen hinweist. Wichtig ist jedoch: Der MSE betrachtet ausschlie\u00dflich pixelweise Unterschiede und ignoriert dabei vollst\u00e4ndig die r\u00e4umliche Struktur eines Bildes. Zwei Bilder k\u00f6nnen daher einen relativ niedrigen MSE aufweisen, obwohl sie f\u00fcr das menschliche Auge deutlich unterschiedlich wirken.<\/p>\n\n\n\n

Diese Eigenschaft macht den MSE zwar einfach und effizient berechenbar, aber auch in vielen praktischen Anwendungen begrenzt aussagekr\u00e4ftig. Genau deshalb spielt er in der Bildbewertung h\u00e4ufig eher die Rolle einer technischen Referenzgr\u00f6\u00dfe.<\/p>\n\n\n\n

Gleichzeitig ist der MSE eng mit dem Training neuronaler Netze verkn\u00fcpft. In vielen Regressionsproblemen \u2013 insbesondere bei bildbasierten Aufgaben wie Denoising, Super-Resolution oder Bild Transformationen \u2013 wird der MSE als Loss-Funktion<\/strong> verwendet. Modelle lernen dabei, die quadratische Abweichung zwischen Vorhersage und Zielbild zu minimieren. Das f\u00fchrt in der Praxis oft zu glatten, \u201egemittelten\u201c Ergebnissen, da starke Abweichungen (durch das Quadrieren) besonders stark bestraft werden.<\/p>\n\n\n\n

Diese Verbindung erkl\u00e4rt auch, warum MSE-optimierte Modelle h\u00e4ufig zwar gute numerische Werte erzielen, aber visuell weniger \u00fcberzeugende Ergebnisse liefern: Die Optimierung erfolgt strikt pixelweise und nicht entlang der menschlichen Wahrnehmung.<\/p>\n<\/div>\n\n\n\n

\n

PSNR \u2013 mathematisch korrekt, aber praktisch begrenzt<\/strong><\/h2>\n\n\n\n

Die Peak Signal-to-Noise Ratio (PSNR)<\/strong> basiert auf der Idee, das Verh\u00e4ltnis zwischen dem maximal m\u00f6glichen Signal (dem urspr\u00fcnglichen Bild) und dem durch Verarbeitung entstandenen Fehler (\u201eRauschen\u201c) zu quantifizieren. Der PSNR-Wert wird typischerweise in Dezibel (dB)<\/strong> angegeben und erlaubt damit eine gut interpretierbare, logarithmische Bewertung von Bildunterschieden.<\/p>\n\n\n\n

Formal baut PSNR auf dem Mean Squared Error (MSE)<\/strong> auf, also dem durchschnittlichen quadratischen Unterschied zwischen zwei Bildern. Die Definition lautet:<\/p>\n\n\n\n

P<\/mi>S<\/mi>N<\/mi>R<\/mi>(<\/mo>x<\/mi>,<\/mo>y<\/mi>)<\/mo>=<\/mo>20<\/mn>\u22c5<\/mo>log<\/mi>10<\/mn><\/msub>\u2061<\/mo>(<\/mo>M<\/mi>A<\/mi>X<\/mi>I<\/mi><\/msub><\/mrow>M<\/mi>S<\/mi>E<\/mi>(<\/mo>x<\/mi>,<\/mo>y<\/mi>)<\/mo><\/mrow><\/msqrt><\/mfrac>)<\/mo><\/mrow><\/mrow>PSNR(x, y) = 20 \\cdot \\log_{10} \\left( \\frac{MAX_I}{\\sqrt{MSE(x, y)}} \\right)<\/annotation><\/semantics><\/math><\/div>\n\n\n\n

Dabei ist M<\/mi>A<\/mi>X<\/mi>I<\/mi><\/msub><\/mrow>MAX_I<\/annotation><\/semantics><\/math> der maximal m\u00f6gliche Pixelwert (bei 8-Bit-Bildern typischerweise 255). Ein h\u00f6herer PSNR-Wert deutet darauf hin, dass das ver\u00e4nderte Bild n\u00e4her am Original liegt.<\/p>\n\n\n\n

Ein wesentlicher Vorteil von PSNR ist die einfache Berechnung und die klare Interpretation: Unterschiede werden auf einer logarithmischen Skala dargestellt, wodurch gro\u00dfe Fehler st\u00e4rker gewichtet werden als kleine. Gleichzeitig ist der PSNR-Wert jedoch eine rein pixelbasierte Metrik. Das bedeutet, dass strukturelle Unterschiede oder wahrnehmungsrelevante Ver\u00e4nderungen (z. B. durch Unsch\u00e4rfe) nicht immer ad\u00e4quat erfasst werden.<\/p>\n\n\n\n

In der Praxis eignet sich PSNR daher gut f\u00fcr technische Vergleiche, etwa bei Kompressionsverfahren oder zur groben Qualit\u00e4tsbewertung. F\u00fcr Anwendungen, bei denen die visuelle Wahrnehmung im Vordergrund steht, sollte PSNR jedoch immer in Kombination mit strukturorientierten Metriken wie SSIM betrachtet werden.<\/p>\n<\/div>\n\n\n\n

\n

SSIM \u2013 Struktur statt Pixel<\/strong><\/h2>\n\n\n\n

Der Structural Similarity Index (SSIM)<\/strong> ist eine wahrnehmungsorientierte Bildmetrik, die entwickelt wurde, um die Qualit\u00e4t von Bildern n\u00e4her an der menschlichen Wahrnehmung zu orientieren als rein pixelbasierte Verfahren wie MSE oder PSNR. Statt absolute Intensit\u00e4tsunterschiede zu betrachten, nutzt SSIM die Struktur<\/strong>, den Kontrast<\/strong> und die Helligkeit<\/strong> der Bilder.<\/p>\n\n\n\n

Die grundlegende Idee dabei ist, dass das menschliche Auge besonders empfindlich auf strukturelle Ver\u00e4nderungen reagiert \u2013 also auf Kanten, Muster und Texturen \u2013 und weniger auf gleichm\u00e4\u00dfige Helligkeitsverschiebungen. Formal wird SSIM zwischen zwei Bildern (x) und (y) wie folgt definiert:<\/p>\n\n\n\n

S<\/mi>S<\/mi>I<\/mi>M<\/mi>(<\/mo>x<\/mi>,<\/mo>y<\/mi>)<\/mo>=<\/mo>(<\/mo>2<\/mn>\u03bc<\/mi>x<\/mi><\/msub>\u03bc<\/mi>y<\/mi><\/msub>+<\/mo>C<\/mi>1<\/mn><\/msub>)<\/mo>(<\/mo>2<\/mn>\u03c3<\/mi>x<\/mi>y<\/mi><\/mrow><\/msub>+<\/mo>C<\/mi>2<\/mn><\/msub>)<\/mo><\/mrow>(<\/mo>\u03bc<\/mi>x<\/mi>2<\/mn><\/msubsup>+<\/mo>\u03bc<\/mi>y<\/mi>2<\/mn><\/msubsup>+<\/mo>C<\/mi>1<\/mn><\/msub>)<\/mo>(<\/mo>\u03c3<\/mi>x<\/mi>2<\/mn><\/msubsup>+<\/mo>\u03c3<\/mi>y<\/mi>2<\/mn><\/msubsup>+<\/mo>C<\/mi>2<\/mn><\/msub>)<\/mo><\/mrow><\/mfrac><\/mrow>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)}<\/annotation><\/semantics><\/math><\/div>\n\n\n\n

Dabei gilt:<\/p>\n\n\n\n