MSE（均方误差）逐像素测量原始图像与压缩图像的偏差，用于编码和后期制作的质量控制。
技术细节
MSE（均方误差）计算分别分析亮度（Y）和色差信号（U/V），因为人眼对亮度和色度误差的反应不同。现代实现使用16位精度来处理10位源素材的计算。PSNR（峰值信噪比）值直接源自MSE：PSNR = 20 × log10(255/√MSE)。专用硬件编码器将MSE分析集成到实时处理中，支持高达8K分辨率和60fps。
历史与发展
克劳德·香农于1948年在信息论中开发了MSE的数学基础。其在视频技术中的首次应用是在1987年由动态图像专家组（Moving Picture Experts Group）进行MPEG-1标准化时。从2003年起，Grass Valley K2 Summit等专业编码器集成了基于MSE的质量控制。Netflix于2016年将MSE指标确立为其编码管道的标准，并为不同比特率定义了阈值。
在电影中的实际应用
调色师使用MSE值来验证DCP母版，超过150的偏差需要重新计算。在《疯狂的麦克斯：狂暴之路》（2015）中，后期制作团队通过MSE分析优化了针对不同显示器标准的HDR分级。VFX主管利用MSE测量值进行渲染时的质量控制：皮克斯为最终帧定义了低于50的MSE阈值。Amazon Prime等流媒体提供商使用基于MSE的ABR（自适应比特率）算法，动态调整比特率。
比较与替代方案
与MSE不同，SSIM（结构相似性指数）考虑了人类对结构化图像信息的感知，并与主观质量评估的相关性更好。VMAF（视频多方法评估融合）将MSE与感知指标相结合，在AV1等现代编解码器上提供更精确的结果。MSE是基于像素的，而LPIPS（学习感知图像块相似性）则通过神经网络分析图像内容。MSE仍然是技术工作流程的标准，而SSIM和VMAF则在面向最终用户的内容优化中占主导地位。