psnr和ssim的python

实现代码可以通过使用OpenCV库来实现，以下是一个简单的示例代码：

import cv2

# 读取两张图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 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)

请注意，这只是一个简单的示例代码，实际应用中可能需要进行更多的处理和优化。

相关问题

psnr和ssim计算 python

PSNR (Peak Signal-to-Noise Ratio) 和 SSIM (Structural Similarity Index Measure) 都是用于衡量图像质量和相似度的指标，特别是在数字信号处理和图像处理领域。

1. PSNR: 它是基于像素级别的比较，计算原始图像与重构图像之间的最大信噪比。通常，数值越高表示质量越好。在Python中，可以使用`skimage.metrics.psnr()`函数来计算两个图像的PSNR，它需要两个数组作为输入，一个是参考图像，另一个是待比较的图像。

from skimage.measure import compare_psnr

ref_image = ...  # 参考图像
reconstructed_image = ...  # 重构后的图像
psnr_value = compare_psnr(ref_image, reconstructed_image)

2. SSIM: SSIM更注重结构相似性而非绝对像素值，它考虑亮度、对比度以及结构三个方面的匹配。在Python中，也有相应的库如`scikit-image`或`pytorch-iqa`提供SSIM计算：

from skimage.measure import compare_ssim

ssim_value = compare_ssim(ref_image, reconstructed_image, multichannel=True)

在这里，`multichannel=True` 表示图片是彩色的，如果是灰度图则设为`False`。

psnr和ssim的python代码

下面是PSNR和SSIM的Python代码：

PSNR：

import cv2
import numpy as np

def psnr(img1, img2):
    mse = np.mean((img1 - img2) ** 2)
    if mse == 0:
        return 100
    PIXEL_MAX = 255.0
    return 20 * np.log10(PIXEL_MAX / np.sqrt(mse))
    
img1 = cv2.imread("image1.jpg")
img2 = cv2.imread("image2.jpg")
print("PSNR value is {}".format(psnr(img1, img2)))

SSIM：

import cv2
import numpy as np

def ssim(img1, img2):
    C1 = (0.01 * 255) ** 2
    C2 = (0.03 * 255) ** 2
    img1 = img1.astype(np.float64)
    img2 = img2.astype(np.float64)
    kernel = cv2.getGaussianKernel(11, 1.5)
    window = np.outer(kernel, kernel.transpose())
    mu1 = cv2.filter2D(img1, -1, window)[5:-5, 5:-5]  
    mu2 = cv2.filter2D(img2, -1, window)[5:-5, 5:-5]
    mu1_sq = mu1 ** 2
    mu2_sq = mu2 ** 2
    mu1_mu2 = mu1 * mu2
    sigma1_sq = cv2.filter2D(img1 ** 2, -1, window)[5:-5, 5:-5] - mu1_sq
    sigma2_sq = cv2.filter2D(img2 ** 2, -1, window)[5:-5, 5:-5] - mu2_sq
    sigma12 = cv2.filter2D(img1 * img2, -1, window)[5:-5, 5:-5] - mu1_mu2
    ssim_map = ((2 * mu1_mu2 + C1) * (2 * sigma12 + C2)) / ((mu1_sq + mu2_sq + C1) * (sigma1_sq + sigma2_sq + C2))
    return np.mean(ssim_map)
    
img1 = cv2.imread("image1.jpg")
img2 = cv2.imread("image2.jpg")
print("SSIM value is {}".format(ssim(img1, img2)))