对于特定的稀疏表示方法，其优劣一般采用表示系数的稀疏程度来度量。图像的稀疏性一般采用范数来定义，即不为零的系数数量越少，越稀疏。然而，在图像处理的实际应用中，通常受到噪声干扰，采用
范数来度量稀疏性的效果会变差。在数学分析理论中，
范数常被用来度量稀疏性，其能较好地度量非零系数的个数与系数误差。而且，当0<p<1时，
与
存在一定的关系，当p→0时，
即，当p→0时，范数越接近x中非零的个数，下图给出了
范数随参数p的变化：
同范数类似，稀疏因子（SF）可用来衡量表示的稀疏程度，稀疏因子主要用过个数比来度量稀疏程度。其定义为：
其中，分子表示绝对值对应给定阈值T的系数个数，分母表示x中总的系数个数，即阈值的大小决定了稀疏程度的好坏。
除了范数、
范数与稀疏因子之外，非线性逼近性能也是衡量稀疏性与压缩性能的重要指标。假设
是Hilbert空间H的一组标准正交基，则
f∈H可分解为：
其中， 称为f的M项非线性逼近（
为
的最大系数幅值的M个向量）。那么，非线性逼近误差可数学化为：