写一个在pycharm上的游程编码代码并计算PSNR

以下是一个在 PyCharm 上实现游程编码（Run-length Encoding）的 Python 代码，并计算图像的 PSNR 值：

import cv2
import numpy as np

# 游程编码
def run_length_encoding(img):
    rle = []
    rows, cols = img.shape
    for i in range(rows):
        row = img[i,:]
        count = 0
        flag = False
        for j in range(cols):
            if row[j] and not flag:
                flag = True
                start = j
            elif not row[j] and flag:
                flag = False
                length = j - start
                rle.append((start, length))
        if flag:
            length = cols - start
            rle.append((start, length))
    return rle

# 游程解码
def run_length_decoding(rle, shape):
    img = np.zeros(shape, dtype=np.uint8)
    for start, length in rle:
        img[:, start:start+length] = 255
    return img

# 计算 PSNR
def calculate_psnr(img1, img2):
    mse = np.mean((img1 - img2) ** 2)
    if mse == 0:
        return float('inf')
    else:
        max_pixel = 255.0
        psnr = 20 * np.log10(max_pixel / np.sqrt(mse))
        return psnr

# 加载图像并进行游程编码
img = cv2.imread('lena.png', cv2.IMREAD_GRAYSCALE)
rle = run_length_encoding(img)

# 进行游程解码并计算 PSNR
img_decoded = run_length_decoding(rle, img.shape)
psnr = calculate_psnr(img, img_decoded)

print('PSNR:', psnr)

在上述代码中，我们首先使用 `cv2.imread()` 函数加载一张灰度图像，然后对其进行游程编码，并保存编码结果为 `rle`。接着，我们使用 `run_length_decoding()` 函数对编码结果进行解码，得到解码后的图像 `img_decoded`。最后，我们使用 `calculate_psnr()` 函数计算原始图像和解码后的图像之间的 PSNR 值，并将其输出到控制台中。

需要注意的是，上述代码中的 `run_length_encoding()` 和 `run_length_decoding()` 函数只适用于二值图像。如果要对彩色图像进行游程编码和解码，需要对每个通道分别进行处理。此外，PSNR 的计算结果越大，表示两幅图像之间的差异越小。一般来说，当 PSNR 值大于 30 时，人眼难以感知两幅图像之间的差异。