采用 PSNR（Peak Signal-to-Noise Ratio）和 SSIM（Structural Similarity Index）两个指标对一个算法进行评价，这个算法的功能是将黑白人像照片进行彩色化，给出完整的评价代码

以下是使用 Python 语言实现的 PSNR 和 SSIM 评价代码：

import cv2
import numpy as np

def psnr(img1, img2):
    mse = np.mean((img1 - img2) ** 2)
    if mse == 0:
        return float('inf')
    max_pixel = 255.0
    psnr = 20 * np.log10(max_pixel / np.sqrt(mse))
    return psnr

def ssim(img1, img2):
    C1 = (0.01 * 255) ** 2
    C2 = (0.03 * 255) ** 2
    img1 = img1.astype(np.float64)
    img2 = img2.astype(np.float64)
    kernel = cv2.getGaussianKernel(11, 1.5)
    window = np.outer(kernel, kernel.transpose())
    mu1 = cv2.filter2D(img1, -1, window)[5:-5, 5:-5]
    mu2 = cv2.filter2D(img2, -1, window)[5:-5, 5:-5]
    mu1_sq = mu1 ** 2
    mu2_sq = mu2 ** 2
    mu1_mu2 = mu1 * mu2
    sigma1_sq = cv2.filter2D(img1 ** 2, -1, window)[5:-5, 5:-5] - mu1_sq
    sigma2_sq = cv2.filter2D(img2 ** 2, -1, window)[5:-5, 5:-5] - mu2_sq
    sigma12 = cv2.filter2D(img1 * img2, -1, window)[5:-5, 5:-5] - mu1_mu2
    ssim_map = ((2 * mu1_mu2 + C1) * (2 * sigma12 + C2)) / ((mu1_sq + mu2_sq + C1) * (sigma1_sq + sigma2_sq + C2))
    return np.mean(ssim_map)

# 读取原始黑白照片和彩色化后的照片
img1 = cv2.imread('grayscale_photo.jpg')
img2 = cv2.imread('colorized_photo.jpg')

# 将图像转换为 YUV 格式
img1_yuv = cv2.cvtColor(img1, cv2.COLOR_BGR2YUV)
img2_yuv = cv2.cvtColor(img2, cv2.COLOR_BGR2YUV)

# 取出 Y 通道
img1_y = img1_yuv[:,:,0]
img2_y = img2_yuv[:,:,0]

# 计算 PSNR 和 SSIM
print("PSNR:", psnr(img1_y, img2_y))
print("SSIM:", ssim(img1_y, img2_y))

其中，`grayscale_photo.jpg` 是原始的黑白人像照片，`colorized_photo.jpg` 是使用算法彩色化后的照片。可以将两张照片放在同一目录下，并将代码保存为 `.py` 文件，然后在命令行中运行该文件即可输出 PSNR 和 SSIM 的值。