El entrecruzamiento de Gibbs es un artefacto inevitable en cualquier modalidad de imagen donde la medición está limitada en banda de Fourier. Afecta la calidad de la imagen al crear una apariencia de entrecruzamiento alrededor de las discontinuidades. Se han propuesto muchas formas novedosas de suprimir el artefacto, incluidos métodos de aprendizaje automático, pero las comparaciones cuantitativas de los resultados a menudo han carecido de rigor. En este documento, examinamos métricas de evaluación de calidad de imagen en tres imágenes de prueba con diferente complejidad. Determinamos seis métricas que muestran promesa para evaluar simultáneamente la gravedad del entrecruzamiento de Gibbs y de otros errores como el desenfoque. Examinamos la aplicación de métricas a una región de interés alrededor de las discontinuidades en la imagen y utilizamos las métricas en la región de interés resultante. Demostramos que el enfoque de región de interés no mejora el rendimiento de las métricas. Finalmente, examinamos el efecto del parámetro de umbral de error en dos métricas. Nuestros resultados ayudarán al desarrollo de las mejores prácticas en la comparación de algoritmos para la supresión del entrecruzamiento de Gibbs.