如何用python计算图像的PSNR和SSIM

计算图像的PSNR（Peak Signal-to-Noise Ratio）和SSIM（Structural Similarity）是图像质量评价的两个重要指标，可以用于评估图像的失真程度。在Python中，可以使用OpenCV库和skimage库来计算图像的PSNR和SSIM。

以下是使用OpenCV库计算图像的PSNR和SSIM的示例代码：

import cv2

# 读取原始图像和失真图像
img1 = cv2.imread('original.png')
img2 = cv2.imread('distorted.png')

# 计算PSNR
psnr = cv2.PSNR(img1, img2)

# 计算SSIM
ssim = cv2.SSIM(img1, img2)

# 输出结果
print('PSNR:', psnr)
print('SSIM:', ssim)

以下是使用skimage库计算图像的PSNR和SSIM的示例代码：

from skimage.metrics import peak_signal_noise_ratio as psnr
from skimage.metrics import structural_similarity as ssim
from skimage.io import imread

# 读取原始图像和失真图像
img1 = imread('original.png')
img2 = imread('distorted.png')

# 计算PSNR
psnr_value = psnr(img1, img2)

# 计算SSIM
ssim_value = ssim(img1, img2, multichannel=True)

# 输出结果
print('PSNR:', psnr_value)
print('SSIM:', ssim_value)

需要注意的是，skimage库的SSIM函数需要设置参数`multichannel=True`，以处理彩色图像。另外，计算SSIM时，结果越接近1，表示两幅图像越相似；计算PSNR时，结果越大，表示两幅图像越接近。