matlab图像峰值信噪比与均方根误差MSE的代码

以下是 MATLAB 中计算图像峰值信噪比（PSNR）和均方根误差（MSE）的示例代码：

% 读取图像
img = imread('image.jpg');

% 添加高斯噪声
noisy_img = imnoise(img, 'gaussian', 0, 0.01);

% 计算 MSE
mse = immse(img, noisy_img);

% 计算 PSNR
max_pixel_value = 255;
psnr = 10 * log10((max_pixel_value ^ 2) / mse);

% 显示结果
fprintf('MSE: %f\n', mse);
fprintf('PSNR: %f dB\n', psnr);

这段代码首先使用 `imread` 函数读取图像，然后使用 `imnoise` 函数向图像添加高斯噪声。接下来，使用 `immse` 函数计算原始图像和带噪声图像之间的 MSE，使用 `log10` 函数计算 PSNR。最后，使用 `fprintf` 函数打印 MSE 和 PSNR 的值。

注意，`max_pixel_value` 变量应该设置为图像像素值的最大可能值。如果图像是灰度图像，则通常为 255；如果图像是彩色图像，则通常为 255 × 3 = 765。

相关问题

MATLAB 均方根误差MSE、两图像的信噪比SNR、峰值信噪比PSNR、结构相似性SSIM

MATLAB 中均方根误差MSE的计算公式为：

MSE = mean((X-Y).^2)

其中，X和Y分别表示两幅图像的像素值矩阵，"."表示矩阵中每个元素进行运算，"^2"表示平方，mean函数表示求平均值。

信噪比SNR的计算公式为：

SNR = 10*log10((max(X(:))^2)/MSE)

其中，max(X(:))表示矩阵X中的最大值，log10表示以10为底的对数运算。

峰值信噪比PSNR的计算公式为：

PSNR = 10*log10((max(X(:))^2)/MSE)

与SNR的计算公式相同，只是将max(X(:))的平方作为分子。

结构相似性SSIM的计算公式为：

SSIM = ssim(X,Y)

其中，ssim是MATLAB内置的函数，用于计算两幅图像的结构相似性。SSIM值越接近1，表示两幅图像越相似。

信噪比和均方根误差 matlab

信噪比（PSNR）和均方根误差（MSE）是用于评估图像质量的指标，可以使用Matlab计算。

PSNR的计算公式为：
PSNR = 10 * log10(255^2 / MSE)

其中，MSE是均方根误差，表示两幅图像之间像素差值的平方和的平均值。MSE的计算公式为：
MSE = 1/(m*n) * ∑∑ ||I(i,j) - K(i,j)||^2

其中，I和K分别表示两幅图像的像素值，m和n分别表示图像的行数和列数。

在Matlab中，可以使用以下代码计算PSNR和MSE：

function \[PSNR, MSE\] = psnr(X, Y)
    if nargin < 2
        D = X;
    else
        if any(size(X) ~= size(Y))
            error('The input size is not equal to each other!');
        end
        D = X - Y;
    end
    MSE = sum(D(:).*D(:)) / numel(X);
    PSNR = 10 * log10(255^2 / MSE);
end

这段代码定义了一个名为psnr的函数，接受两个输入参数X和Y，分别表示两幅图像。如果只提供了一个参数X，则函数会将X与自身进行比较。函数会首先检查输入图像的大小是否相等，然后计算均方根误差MSE和信噪比PSNR，并返回这两个值。

请注意，这段代码中的MSE计算公式是基于灰度图像的，适用于像素灰阶数为256的情况。如果处理的是彩色图像，需要对公式进行相应的修改。

引用：
\[1\] 代码片段来源：https://blog.csdn.net/qq_41664845/article/details/106051051
\[2\] 图像质量评价指标的客观评价方法研究，李晓峰，2012
\[3\] 均方根误差（MSE）计算公式来源：https://zh.wikipedia.org/wiki/%E5%9D%87%E6%96%B9%E6%A0%B9%E8%AF%AF%E5%B7%AE
#### 引用[.reference_title]
- *1* *3* [峰值信噪比（PSNR）和均方根误差（MSE）](https://blog.csdn.net/qq_36879493/article/details/114947942)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [MATLAB 均方根误差MSE、两图像的信噪比SNR、峰值信噪比PSNR、结构相似性SSIM](https://blog.csdn.net/weixin_33584986/article/details/115844540)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]