python 实现图像的峰值信噪比 源代码

可以使用以下代码实现图像的峰值信噪比：

import cv2
import numpy as np

# 读入图片
img = cv2.imread('image.jpg')

# 计算峰值信噪比
peak_signal = np.max(img)
noise = img - np.mean(img)
noise_signal = np.linalg.norm(noise)
psnr = 20 * np.log10(peak_signal / noise_signal)

print("图像的峰值信噪比为：", psnr, "dB")

注意，上面的代码仅适用于灰度图像。对于彩色图像，需要先将其转换为灰度图像。

相关问题

python实现求图像的峰值信噪比和均方误差

Python中实现求图像的峰值信噪比和均方误差可以使用NumPy和OpenCV库。

下面是一个示例代码，假设原始图像为lena.bmp，压缩后的图像为lena_compressed.bmp：

import cv2
import numpy as np

# 读取原始图像和压缩后的图像
img1 = cv2.imread("lena.bmp")
img2 = cv2.imread("lena_compressed.bmp")

# 计算均方误差
mse = np.mean((img1 - img2) ** 2)

# 计算峰值信噪比
psnr = cv2.PSNR(img1, img2)

print("均方误差: ", mse)
print("峰值信噪比: ", psnr)

需要注意的是，OpenCV库中提供了直接计算峰值信噪比的函数cv2.PSNR()，可以方便地计算图像的PSNR值。

峰值信噪比python代码

计算峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）的Python代码如下：

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

# 示例：
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')
print("PSNR: ", psnr(img1, img2))

其中，`img1`和`img2`分别是待比较的两幅图像，可以用OpenCV库读入。函数中计算了两幅图像的均方误差（Mean Square Error，MSE），然后根据MSE计算PSNR值。如果MSE为0，说明两幅图像完全一致，此时PSNR为正无穷。否则，PSNR值越高，表示两幅图像越接近。