SSIM, PSNR, MSE y ΔE00: cómo comparar dos imágenes e interpretar cada métrica
Qué mide cada métrica de comparación de imágenes, cómo se calcula, qué valores son buenos y cuál usar para control de calidad, degradación de muestras o microscopía, con ejemplos numéricos.
Decir que dos imágenes “se parecen” no basta en un informe de calidad o en un artículo. Para cuantificarlo existen varias métricas, pero cada una mide algo distinto: MSE y PSNR miden la diferencia de intensidad píxel a píxel, SSIM la similitud estructural tal como la percibe el ojo, ΔE00 la diferencia de color y la correlación de histogramas la distribución tonal. Esta guía explica cómo interpretarlas y cuándo usar cada una.
Antes de comparar: requisitos
Ninguna métrica arregla una mala adquisición. Para que la comparación tenga sentido:
- Mismo tamaño y alineación: un desplazamiento de unos pocos píxeles hunde casi todas las métricas aunque el contenido sea idéntico.
- Misma iluminación, exposición y balance de blancos: si no, mides la cámara y no la muestra.
- Formato sin pérdidas (PNG o TIFF) siempre que puedas: la compresión JPEG añade artefactos que se cuentan como diferencias.
- Misma escala en microscopía (mismo objetivo y resolución).
MSE: error cuadrático medio
MSE = (1 / N) · Σ (Iₐ − I_b)²Promedio de las diferencias de intensidad al cuadrado entre píxeles correspondientes.
- 0 = imágenes idénticas. Cuanto mayor, más diferentes.
- Sus unidades son intensidad² y su valor depende de la profundidad de bits (8 o 16 bits), así que no es comparable entre conjuntos distintos.
- Es muy sensible a cambios globales de brillo, aunque la imagen “se vea” igual.
PSNR: relación señal-ruido de pico
PSNR = 10 · log₁₀(MAX² / MSE) [dB]donde MAX es el valor máximo posible del píxel: 255 en imágenes de 8 bits y 65 535 en las de 16 bits. Es el MSE expresado en una escala logarítmica más intuitiva.
| PSNR (8 bits) | Interpretación orientativa |
|---|---|
| > 40 dB | Diferencias prácticamente invisibles |
| 30–40 dB | Buena similitud; diferencias sutiles |
| 20–30 dB | Diferencias visibles |
| < 20 dB | Imágenes claramente distintas |
Si las imágenes son idénticas, MSE = 0 y el PSNR es infinito.
Ejemplo: aclara toda una imagen de 8 bits en 5 niveles de gris. MSE = 5² = 25 y PSNR = 10 · log₁₀(255² / 25) ≈ 34,2 dB: según la tabla, “diferencias sutiles”, aunque la estructura no ha cambiado en absoluto. Por eso el PSNR no basta por sí solo.
SSIM: índice de similitud estructural
Propuesto por Wang y colaboradores (2004), compara luminancia, contraste y estructura en ventanas locales (típicamente de 11 × 11 píxeles) y promedia el resultado. Está diseñado para parecerse a cómo percibimos las diferencias.
- Rango hasta 1 (idénticas). En la práctica, valores entre 0 y 1.
- Además del valor medio, el mapa SSIM muestra dónde están las diferencias.
| SSIM | Interpretación orientativa |
|---|---|
| > 0,95 | Muy similares |
| 0,80–0,95 | Diferencias apreciables |
| < 0,80 | Diferencias importantes |
Volviendo al ejemplo del aclarado en 5 niveles: el término de luminancia para un nivel medio de 128 vale ≈ 0,999 y el contraste y la estructura no cambian, así que el SSIM es prácticamente 1. En cambio, un ligero desenfoque puede dar un PSNR parecido y un SSIM claramente más bajo, porque destruye estructura. Usarlas juntas te dice qué tipo de diferencia hay.
ΔE00: diferencia de color CIEDE2000
ΔE00 mide la diferencia de color entre píxeles en el espacio CIELAB, que está diseñado para ser perceptualmente uniforme. La fórmula CIEDE2000 corrige las desviaciones de uniformidad de las fórmulas anteriores (ΔE76, ΔE94).
| ΔE00 | Interpretación orientativa |
|---|---|
| < 1 | No perceptible para el ojo humano |
| 1–2 | Perceptible solo con observación atenta |
| 2–3,5 | Perceptible a simple vista |
| > 5 | Colores claramente distintos |
Las tolerancias aceptables dependen del sector (impresión, pintura, textil, alimentación). Ten en cuenta que, para pasar de RGB a CIELAB, se asume un espacio de color (normalmente sRGB con iluminante D65): para medidas de color fiables la cámara debe estar calibrada y la iluminación controlada.
Es la métrica adecuada para cambios de color: amarilleamiento de un polímero, decoloración tras envejecimiento UV, uniformidad de un recubrimiento o tinción.
Correlación de histogramas
Compara la distribución de intensidades de las dos imágenes. Vale 1 cuando las distribuciones son idénticas.
- Útil para detectar cambios de exposición, contraste o tono.
- Ignora la posición de los píxeles: si barajaras todos los píxeles de una imagen, la correlación con la original seguiría siendo 1. Nunca la uses sola para decir que dos imágenes son iguales.
¿Qué métrica usar?
| Objetivo | Métricas recomendadas |
|---|---|
| Comprobar que la compresión o el procesado no degradan una imagen | PSNR + SSIM |
| Cambio de color por envejecimiento, degradación o tinción | ΔE00 (media y zonas con mayor ΔE) |
| Cambios morfológicos en microscopía | Mapa SSIM + selección de ROI |
| Control de exposición entre sesiones | Correlación de histogramas |
| Inspección visual de dónde está la diferencia | Mapa de diferencias píxel a píxel |
Errores frecuentes
- Comparar imágenes desalineadas o de distinto tamaño reescaladas sin control.
- Fiarse de un único número global: una diferencia pequeña y localizada (un defecto, una grieta) apenas mueve la media. Usa mapas de calor y regiones de interés (ROI).
- Comparar valores de PSNR o MSE entre imágenes de distinta profundidad de bits o contenido.
- Medir color con cámaras sin calibrar o con iluminación cambiante.
- Usar JPEG para imágenes que vas a comparar cuantitativamente.
MIND4SCE-Image calcula MSE, PSNR, SSIM, ΔE00, correlación de histogramas y diferencias píxel a píxel, con mapas de calor, vistas sincronizadas y selección de ROI, además de modos de bioimagen como la viabilidad celular. Todo se procesa en el navegador: tus imágenes no salen de tu ordenador.