（1）SNR與PSNR：

SNR計算影象自身的信噪比，評價一個影象中訊號的強度或者噪聲的強度，其輸入是一幅影象資料。SNR並不能客觀評價影象的去噪效果或者壓縮影象的相似度。

PSNR計算兩幅影象之間的相似度，評價的是一幅estimated的影象相對於原影象的噪聲強度，這個概念的提出應該是針對影象壓縮領域，在影象去噪領域由於沒有原圖做對比，只能是噪聲圖與降噪圖做對比，似乎說服力要弱一些。

（2）Method Noise：NLM作者提出的去噪影象與含噪影象之間噪聲差異的計算，如果計算得到基本為白噪聲，看不出影象幾何結構或細節特徵就說明去噪很有效。

（3）SSIM：結構相似性，是一種衡量兩幅影象相似度的指標。

（4）其實對於去噪效果的直觀評價，還是有專業的評價工具的，不過都是付費的，在業界內，做去噪的公司都是有這個機構，演算法工程師給他們圖，他們可以給出包括銳度，結構完整性，信噪比等等許多引數的綜合評價。