图像质量评价mse,snr等指标附上matlab代码

图像质量评价是图像处理中非常重要的一个环节，对于评价图像的质量可以通过一些指标进行量化分析。其中MSE和SNR是常用的评价指标。

MSE (Mean square error，均方误差)是表示图像差异程度的一种数值，它衡量原始图像和处理后图像间的平均误差的平方，公式如下：

MSE=(1/MN)∑[I(i,j)-K(i,j)]^2

其中，I表示原始图像的像素值，K表示处理后图像的像素值，M、N分别为图像的宽度和高度。

在MATLAB中，可以通过以下程序实现MSE的计算：

I = imread('lena.jpg');
K = imnoise(I,'gaussian',0,0.01);
[M,N] = size(I);
d = (double(I)-double(K)).^2;
mse = sum(d(:))/(M*N)

SNR (Signal-to-Noise Ratio，信噪比)是表示信号与噪声的比值，公式如下：

SNR=10*log10{[∑(i=1～M)∑(j=1～N)I(i,j)^2]/[∑(i=1～M)∑(j=1～N)(I(i,j)-K(i,j))^2]}

其中，I表示原始图像的像素值，K表示处理后图像的像素值，M、N分别为图像的宽度和高度。

在MATLAB中，可以通过以下程序实现SNR的计算：

I = imread('lena.jpg');
K = imnoise(I,'gaussian',0,0.01);
mse = sum(sum((double(K) - double(I)).^2))/(size(I,1)*size(I,2));
psnr = 10*log10(255^2/mse)

以上是MSE和SNR的计算原理和MATLAB代码。在图像处理过程中，通过这些指标评价图像的质量可以提高图像处理的效果，从而使最终处理得到的图像更加清晰、鲜明。