psnr和ssim的代码实现

PSNR (Peak Signal-to-Noise Ratio) 和 SSIM (Structural Similarity Index Measure) 都是用来评估图像质量损失的指标。下面是这两种指标的基本概念及简单的Python代码示例：

1. **PSNR** - 计算两个图像之间像素级别的差异，数值越高表示图像质量越好。

   import numpy as np
   
   def psnr(img1, img2):
       mse = np.mean((img1.astype('float') - img2.astype('float')) ** 2)
       if mse == 0:
           return float('inf')
       max_pixel_value = 255.0
       return 10 * np.log10(max_pixel_value ** 2 / mse)
   
   # 使用示例
   img1 = ...  # 你的原始图像
   img2 = ...  # 修复后的图像
   psnr_val = psnr(img1, img2)

2. **SSIM** - 结构相似度指数，考虑了亮度、对比度和结构三个方面的图像相似度，返回值范围在-1到1之间，接近1表示两者越像。

   from skimage.metrics import ssim

   def ssim_score(img1, img2):
       return ssim(img1, img2, multichannel=True)

   # 使用示例
   img1 = ...  # 原始图像
   img2 = ...  # 比较图像
   ssim_val = ssim_score(img1, img2)

注意：上述代码需要安装`skimage`库（可以使用`pip install scikit-image`命令），并且输入的图像应该是灰度图或多通道图。