没有原片怎么判断画质：无参考质量评估（NR-VQA）能做什么

有次客户发来一批视频（300 多个），问："帮我看看这些画质怎么样，有没有明显有问题的？"

我的第一反应是算 VMAF——然后立刻意识到VMAF 需要参考源（要有"原片"才能比较）。这批视频没有原片，而且它们本来就是"最终成品"。

那就只能人工看了。300 个视频，每个看 30 秒，也要两个半小时，而且人看久了会疲劳，判断标准会漂移。

我去查了资料，发现有一整套"无参考质量评估"（No-Reference / Blind Video Quality Assessment）的方法——不需要原片，直接从画面本身估计质量。这篇写我试过的几种方法、OpenCV 里的实现，以及它们到底有多准。

TL;DR：质量评估分三类：全参考（FR）= VMAF/PSNR/SSIM（最准，需要原片）、半参考（RR）、无参考（NR）= BRISQUE/NIQE（不需要原片，但准确度低得多）。OpenCV 的 cv2.quality 模块提供 BRISQUE 和 NIQE（需要 opencv-contrib-python + 模型文件）。此外，针对具体劣化类型，自己写检测更实用：模糊（拉普拉斯方差）、块效应（块边界差分）、噪声（高频能量）、冻结帧（相邻帧差为零）、黑帧。无参考指标跟主观的相关性远不如 VMAF（相关系数大约 0.6~0.75 vs 0.9+），所以它的定位是快速筛查，不是精确判断。

目录

• 一、三类质量评估
• 二、无参考能测什么
• 三、BRISQUE 与 NIQE：原理简介
• 四、OpenCV 里怎么用
• 五、自己实现：针对具体劣化的检测
• 六、从帧级到视频级
• 七、和主观的相关性：别太当真
• 八、实用场景
• 九、实测数据
• 十、坑清单

一、三类质量评估

关键认知：无参考不是"全参考的替代品"，而是"在没有原片时的唯一选择"。它的准确度天然受限——因为它不知道"原图长什么样"，只能靠"这张图看起来像不像一张'正常的好图'"来判断。

二、无参考能测什么

无参考方法通常能识别这些具体劣化：

注意：BRISQUE/NIQE 这类"综合指标"会给出一个总分，但它们对不同类型的劣化敏感度不同（比如 BRISQUE 对模糊和噪声敏感，对色彩偏移不敏感）。所以：

综合指标用来排序和筛出异常，具体诊断要用针对性的检测。

三、BRISQUE 与 NIQE：原理简介

BRISQUE（Blind/Referenceless Image Spatial Quality Evaluator）

思路：自然图像（拍出来的好照片）的统计特性是有规律的——比如相邻像素的归一化亮度（MSCN 系数）服从某种分布（高斯-like）。劣化（压缩、模糊、噪声）会让这个分布"变形"。

BRISQUE 的做法：

1. 计算图像的 MSCN 系数（减去局部均值、除以局部标准差）；
2. 提取这些系数的统计特征（高斯拟合参数 + 相邻系数的相关性）；
3. 用一个训练好的 SVM 回归模型把这些特征映射成质量分。

输出：0~100，越低越好（0 = 高质量，100 = 很差）。

需要模型文件：因为是监督学习，需要训练好的模型（OpenCV 提供 brisque_model_live.yml 和 brisque_range_live.yml）。

NIQE（Natural Image Quality Evaluator）

思路：完全不需要训练数据（所以叫 "completely blind"）。

1. 同样计算 MSCN 系数；
2. 拟合一个多元高斯模型（MVG）来描述这张图的统计特性；
3. 把这个模型跟"从大量高质量自然图像中统计出的先验模型"比较，算距离；
4. 距离越大 → 越偏离"好图"的统计特性 → 质量越差。

输出：通常 1~15，越低越好（< 3 好，3~6 中等，> 7 差）。

NIQE 的优势：不需要训练模型（不需要标注数据），跨内容类型更通用。
NIQE 的劣势：它假设"好图"是自然摄影图像——对屏录、动画、医学图像这类非自然内容不适用（会把干净的 PPT 判成"质量差"，因为它不符合自然图像的统计规律）。

四、OpenCV 里怎么用

安装（必须有 contrib 模块）：

pip uninstall opencv-python -y
pip install opencv-contrib-python

BRISQUE：

import cv2

img = cv2.imread('frame.jpg')

# 需要下载模型文件（opencv_contrib 的 testdata 里有）
model = 'brisque_model_live.yml'
range_ = 'brisque_range_live.yml'

brisque = cv2.quality.QualityBRISQUE_compute(img, model, range_)
print(f'BRISQUE: {brisque[0]:.2f}')      # 越低越好

模型文件可以从 opencv_contrib 仓库下载：

https://github.com/opencv/opencv_contrib/tree/master/modules/quality/testdata

NIQE：

niqe = cv2.quality.QualityNIQE_compute(img)
print(f'NIQE: {niqe[0]:.2f}')            # 越低越好

验证你的 OpenCV 有没有 quality 模块：

import cv2
print(hasattr(cv2, 'quality'))       # True 就说明装的是 contrib 版

踩过的坑：cv2.quality 在不同 OpenCV 版本里的 API 略有差异（有的版本 QualityBRISQUE_compute 需要三个参数，有的只需要图像）。如果报错，查对应版本的文档。

五、自己实现：针对具体劣化的检测

说实话，在实际项目里，针对性的检测比综合指标更好用——因为它们给的是"明确的诊断"（"这一帧模糊了"），而不是一个你不知道该怎么解读的分数。

模糊检测

def blur_score(img) -> float:
    """拉普拉斯方差：越大越清晰。"""
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    return float(cv2.Laplacian(gray, cv2.CV_64F).var())

参考值（480px 宽）：< 50 明显模糊，> 300 清晰。

块效应检测

块效应是 8×8 编码块的边界出现不连续。检测方法：比较"块边界处"和"块内部"的像素差。

def blocking_score(img) -> float:
    """块效应强度：块边界的差分相对于内部的差分是否异常。"""
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY).astype(np.float32)
    h, w = gray.shape
    h -= h % 8
    w -= w % 8

    # 水平方向的差分
    diff = np.abs(np.diff(gray[:h, :w], axis=1))
    # 块内部边界（列 0..6）vs 块边界（列 7, 15, 23...）
    inner = diff[:, [i for i in range(w - 1) if (i + 1) % 8 != 0]].mean()
    boundary = diff[:, [i for i in range(w - 1) if (i + 1) % 8 == 0]].mean()
    if inner < 1e-6:
        return 0.0
    return float(boundary / inner)      # > 1.5 说明块效应明显

原理：正常情况下，相邻列之间的差分应该差不多；如果只在第 8 列的边界处出现大跳变，那就是块效应。

噪声估计

def noise_score(img) -> float:
    """用高通滤波后的能量估计噪声（简化）。"""
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY).astype(np.float32)
    # 用一个简单的高通（原图 - 模糊图）
    blurred = cv2.GaussianBlur(gray, (5, 5), 1.5)
    high = gray - blurred
    # 平坦区域（低方差）里的高频能量主要是噪声
    local_std = cv2.blur(np.abs(high), (9, 9))
    return float(local_std.mean())

带状（banding）检测

带状是渐变区域出现的阶梯。检测：找"平缓区域"（低梯度）里的"梯度突变"。这个比较难做好，我的简化版：

def banding_score(img) -> float:
    """渐变区域的二阶差分异常（简化，用于粗筛）。"""
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY).astype(np.float32)
    gx = cv2.Sobel(gray, cv2.CV_32F, 1, 0, ksize=3)
    gy = cv2.Sobel(gray, cv2.CV_32F, 0, 1, ksize=3)
    mag = np.sqrt(gx ** 2 + gy ** 2)
    # 带状表现为：大片极低梯度区域里出现规则的梯度线
    low = mag < 2.0                      # 平坦区域
    if low.sum() < 1000:
        return 0.0
    # 统计平坦区域占比（过高说明可能有带状）
    return float(low.mean())

（这个指标很粗糙，只能作为提示。banding 最好的检测方式是人眼看渐变区域，或者用专门的指标。）

冻结帧检测

def detect_frozen(video_path, min_frames=15, diff_thresh=0.5):
    """检测画面冻结（连续多帧几乎无变化）。"""
    cap = cv2.VideoCapture(video_path)
    prev = None
    run = 0
    frozen_ranges = []
    idx = 0
    while True:
        ok, frame = cap.read()
        if not ok:
            break
        small = cv2.resize(cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY), (64, 36))
        if prev is not None:
            d = np.abs(small.astype(np.float32) - prev.astype(np.float32)).mean()
            if d < diff_thresh:
                run += 1
            else:
                if run >= min_frames:
                    frozen_ranges.append((idx - run, idx, run))
                run = 0
        prev = small
        idx += 1
    cap.release()
    if run >= min_frames:
        frozen_ranges.append((idx - run, idx, run))
    return frozen_ranges

六、从帧级到视频级

单个帧的分数要聚合成视频级：

def video_quality_report(video_path, sample_fps=1.0):
    """抽样评估整个视频，返回聚合报告。"""
    frames, stamps = sample_frames(video_path, sample_fps=sample_fps)

    scores = []
    for f in frames:
        scores.append({
            'blur': blur_score(f),
            'blocking': blocking_score(f),
            'noise': noise_score(f),
            'niqe': float(cv2.quality.QualityNIQE_compute(f)[0]),
        })

    arr = {k: np.array([s[k] for s in scores]) for k in scores[0]}
    return {
        'frames': len(frames),
        'niqe_mean': arr['niqe'].mean(),
        'niqe_p95': np.percentile(arr['niqe'], 95),      # 最差的 5%
        'blur_mean': arr['blur'].mean(),
        'blur_p05': np.percentile(arr['blur'], 5),       # 最模糊的 5%
        'blocking_mean': arr['blocking'].mean(),
        'noise_mean': arr['noise'].mean(),
        'frozen': detect_frozen(video_path),
    }

聚合的时候要看分位数，不只是均值：

• 均值好但 P95 差 → 有个别很糟的片段（可能是场景切换处、或者某段编码失败）；
• 均值差 → 整体有问题。

我的报告里一定同时给"均值"和"最差 5%"。

七、和主观的相关性：别太当真

这是最重要的一节。

我在自己的数据上做过一次相关性分析：让 3 个人对 40 个视频片段打主观分（1~5），然后看各指标和主观分的相关性（Pearson 相关系数）：

结论：

• VMAF 明显更准（0.91）——有原片的时候一定用 VMAF；
• 无参考指标大约 0.6~0.75——能反映趋势，但不能用于精确的优劣判断；
• 针对单一劣化的检测（模糊、块效应）相关性更低，但诊断价值高（它能明确告诉你"这是模糊"）。

所以无参考指标的正确用法是：

1. 排序：把 300 个视频按分数排序，重点看最差的那 10%；
2. 筛异常：设定阈值，把"分数明显偏离群体"的挑出来人工看；
3. 不要用于：判断"这个比那个好 0.5 分"（没有意义）、给客户出"质量评分"（会被质疑）。

我给客户的报告写法：

300 个文件中，自动筛查发现 23 个存在明显的质量问题（模糊/块效应/冻结帧），已单独列出。其余文件的自动评分分布如下（分数越低越好），整体处于正常区间。

给的是"有没有问题"和"分布"，不是"精确到小数的质量排名"。

八、实用场景

无参考评估在这些场景很有用：

1. 入库质检（最常用）

新入库的素材先跑一遍自动筛查，有明显问题的标记出来。我们前面那篇 ffprobe 质检流水线讲的是"元数据层 + 解码层"，无参考评估是第三层（画质层）——三者结合才完整。

2. 老素材评估

一批几十年前的老录像，没有"原片"概念，用无参考评估能快速分出"哪些还有修复价值"。

3. 编码异常监控

批量转码后跑一遍，如果某个文件的分数明显偏离其他文件，说明这次编码出了问题（比如参数错误、源损坏）。

4. UGC 内容筛选

用户上传的内容质量参差，用无参考分数过滤掉明显太差的（比如提示"这个视频分辨率太低/太模糊"）。

5. 传输质量监测

边缘节点转码后的内容，用无参考分数做抽查（不需要回传原片比对）。

九、实测数据

对 300 个交付视频的自动筛查结果：

人工复核这 31 个：确认 26 个确实有问题，5 个是误报（主要是"噪声过高"这一项，因为有些内容本来就有颗粒感）。

准确率 84%，误报率 16%——对筛查工具来说可以接受（宁可多标记几个让人看一眼，也不要漏掉真有问题的）。

耗时：300 个视频（平均 20 分钟），1 fps 抽样 + 8 进程并行，总共 26 分钟。相比人工看 100 小时，这个效率提升是决定性的。

十、坑清单

1. 以为无参考能替代 VMAF → 准确度差一大截。有原片就用 VMAF。
2. 用 BRISQUE/NIQE 评估屏录/动画 → 这些不是"自然图像"，指标会误判。
3. 只看均值不看分位数 → 漏掉"个别很糟的片段"。看 P95/P05。
4. 给客户出精确的质量分数 → 无参考的精度不支持这个。给"有没有问题"和分布。
5. 阈值不标定 → 不同内容的分数基准不同。在自己的数据上跑一遍看分布再定阈值。
6. 忘了装 opencv-contrib → cv2.quality 不存在。
7. BRISQUE 模型文件路径不对 → 报错或者返回奇怪的值。确认模型文件下载正确。
8. 对每一帧都算 → 慢。1 fps 抽样足够。
9. 不排除转场/黑场帧 → 片头的黑场会被判成"低质量"。跳过片头片尾。
10. 噪声检测把颗粒感当质量问题 → 老片/胶片素材会误报。结合内容类型判断。
11. 冻结帧检测把静止画面误判 → PPT 类内容本来就不动。按内容类型调阈值。
12. 不人工复核 → 自动筛查一定有误差，标记出来的要人看一眼确认。
13. 用单一指标下结论 → 综合看多个指标（模糊 + 块效应 + 噪声 + 冻结帧）。
14. 忽略音频 → 音频也可能有问题（杂音、爆音、静音）。可以加简单的音频检测。
15. 不做基线对比 → 单个文件的绝对分数意义不大，跟同一批的其他文件比才有意义。

最后说说我对无参考质量评估的定位。

它是一个"筛子"，不是一个"尺子"。

尺子（VMAF）能告诉你"A 比 B 好 2.3 分"，这个数字是可信的、可复现的。筛子（BRISQUE/NIQE + 针对性检测）只能告诉你"这批里这 30 个可能有问题，你看看"——它的价值在于把 300 个视频的筛查工作量压缩到 30 个。

搞清楚这个定位，才不会用错：

• 调优编码参数 → 用尺子（VMAF）；
• 检查入库素材有没有明显问题 → 用筛子（无参考）；
• 给客户出质量报告 → 用筛子给"有没有问题"，用尺子给"具体数值"（如果有的话）。

还有一点体会：针对性检测比综合指标更受欢迎（在团队内部）。因为"BRISQUE = 42.3"这种数字没人知道该怎么办，而"这 9 个文件模糊、这 5 个有冻结帧"是可以直接行动的。

工程上，"能指导行动的输出"比"精确但抽象的输出"更有价值。 这也是为什么我最后交付给客户的是一份"问题清单"（每个问题有类型、时间位置、截图），而不是一个"质量评分表"。