写一个在jupyter notebooks上计算图像压缩前后两张图像的MSE的代码

好的，以下是一个在 Jupyter Notebooks 上计算图像压缩前后两张图像的均方误差（MSE）的 Python 代码：

import numpy as np
from PIL import Image

def mse(image1, image2):
    """
    计算两张图像的均方误差（MSE）
    参数：
    image1 - 第一张图像
    image2 - 第二张图像
    返回：
    MSE
    """
    # 将图像转换为 NumPy 数组
    img1 = np.array(image1)
    img2 = np.array(image2)
    
    # 计算 MSE
    mse = np.mean(np.square(img1 - img2))
    
    return mse

# 加载原始图像和压缩后的图像
original_image = Image.open('original_image.jpg')
compressed_image = Image.open('compressed_image.jpg')

# 计算 MSE
mse = mse(original_image, compressed_image)

# 输出结果
print("MSE:", mse)

在上面的代码中，我们使用了 Python 的 Pillow 库（也称为 PIL），它提供了处理图像的功能。首先导入了 NumPy 库和 PIL 库中的 `Image` 类，然后定义了一个函数 `mse`，它接受两个参数 `image1` 和 `image2`，分别代表第一张图像和第二张图像。函数的主要内容是将图像转换为 NumPy 数组，并使用 NumPy 库中的 `mean` 和 `square` 函数计算均方误差。

接下来，我们使用 `Image.open()` 函数加载原始图像和压缩后的图像，并将它们传递给 `mse` 函数计算 MSE。最后，我们输出结果。

请注意，`Image.open()` 函数需要图像文件的路径作为参数。在这个例子中，我们假设原始图像和压缩后的图像分别保存在 `original_image.jpg` 和 `compressed_image.jpg` 文件中。你需要根据实际情况修改文件路径。