主要观点：图像差异分析在计算机视觉、图形处理和媒体质量评估中很重要，有多种度量可量化图像差异，本文讨论了流行的图像差异度量及其优缺点，推荐ΔE - ITP这一现代感知优化的色差度量，还介绍了其实现方法及如何有效解释色差，包括不同颜色空间的转换和ΔE - 2000与ΔE - ITP的比较等。
关键信息：

• 流行的图像差异度量：MSE简单易算但忽略人眼感知，PSNR常用但与感知质量相关性弱，SSIM更符合人眼感知但对颜色差异效果不佳，ΔE - 2000在SDR中常用但在HDR或WCG中不准确，ΔE - ITP专为HDR和WCG设计且更准确。
• 颜色空间：CIE颜色模型是感知色差的基础，LMS颜色空间包含长、中、短波长，ICTCP颜色空间用于HDR和WCG，能更好地表示颜色。
• ΔE - ITP的实现步骤：读取图像并转换为显示线性RGB，再转换为LMS，接着转换为带PQ非线性的L'M'S'，然后转换为ITP，最后计算ΔE - ITP距离并缩放输出分数。
• 图像差异分级阈值：将原始差异分数转化为对人眼感知有意义的见解。
  重要细节：
• MSE计算对应像素平方差的平均值，PSNR基于MSE衡量信号强度与噪声的比，SSIM通过比较亮度、对比度和结构来评估。
• ΔE - 2000在处理极端亮度和色度时表现不佳，ΔE - ITP在低或高亮度及不同颜色空间下表现更优。
• 不同颜色空间转换的代码实现，如Rec 709到Rec 2020 Display Nits、PQ到Rec 2020 Display Nits、HLG到Rec 2020 Display Nits等。
• 图像差异分级阈值的具体范围及对应的视觉解释。