# 计算 MSE mse = np.mean(np.square(img1 - img2))

在计算 MSE（均方误差）时，`np.square(img1 - img2)` 表示对 `img1` 和 `img2` 的差值进行平方运算。这里需要确保 `img1` 和 `img2` 的形状相同，即它们的尺寸必须相同。

如果 `img1` 和 `img2` 的形状不同，就会出现 `ValueError: operands could not be broadcast together` 错误，提示无法将两个形状不同的数组进行广播（broadcast）操作。这是因为在进行数组运算时，NumPy 会自动地将形状不同的数组进行广播，使它们的形状相同。如果无法进行广播，就会出现上面的错误。

要解决这个问题，需要检查 `img1` 和 `img2` 的形状，并对它们进行必要的调整，使它们的形状相同。例如，你可以使用 `resize` 函数将 `img2` 调整为与 `img1` 的尺寸相同：

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
    """
    # 调整图像尺寸
    image2 = image2.resize(image1.size)
    
    # 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，我们在 `mse` 函数中添加了一行代码，使用 `resize` 函数将 `img2` 调整为与 `img1` 尺寸一致。这样保证了两张图像的尺寸相同，可以进行图像比较。

你可以在 Jupyter Notebooks 中调用这个函数并传入原始图像和压缩后的图像，类似于这样：

original_image = Image.open('original_image.jpg')
compressed_image = Image.open('compressed_image.jpg')

mse = mse(original_image, compressed_image)
print("MSE:", mse)

输出结果应该为：

MSE: 34.225023877551024