全参考图像质量评价中的snr计算代码实现

以下是Python实现的全参考图像质量评价中的SNR计算代码示例：

import cv2
import numpy as np

def calculate_snr(ref_img, dis_img):
    S = np.mean(ref_img)
    N = np.mean((ref_img - dis_img) ** 2)
    SNR = 10 * np.log10(S ** 2 / N)
    return SNR

# 读取参考图像和失真图像
ref_img = cv2.imread('ref.jpg', cv2.IMREAD_GRAYSCALE)
dis_img = cv2.imread('dis.jpg', cv2.IMREAD_GRAYSCALE)

# 计算SNR
snr = calculate_snr(ref_img, dis_img)

print("SNR:", snr)

说明：

1. 首先引入了NumPy和OpenCV库。

2. 定义了一个计算SNR的函数`calculate_snr`，它接受参考图像和失真图像作为输入，返回SNR值。

3. 在主程序中，使用OpenCV的`imread`函数读取了一张参考图像和一张失真图像。

4. 调用`calculate_snr`函数计算参考图像和失真图像之间的SNR值。

5. 最后输出SNR值。

需要注意的是，上述代码中计算的SNR值是在灰度图像上进行的。如果参考图像和失真图像是彩色图像，需要将它们转换为灰度图像后再进行计算。另外，为了避免噪声的影响，建议在计算SNR之前对失真图像进行一些去噪处理。