怎么用python代码做一整个数据集的图像质量评价指标

在Python中，评估数据集中图像的质量通常涉及到计算一些常见的视觉质量指标，比如PSNR (Peak Signal-to-Noise Ratio)、SSIM (Structural Similarity Index) 或者 NIQE (Natural Image Quality Evaluator) 等。这里给出一个简单的例子如何计算PSNR：

import cv2
import numpy as np

def calculate_psnr(original_image, compressed_image):
    # 将图片转换为灰度，并确保它们都是相同的尺寸
    original_gray = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY)
    compressed_gray = cv2.cvtColor(compressed_image, cv2.COLOR_BGR2GRAY)

    if original_gray.shape != compressed_gray.shape:
        raise ValueError("Images must be of the same size.")

    mse = np.mean((original_gray - compressed_gray) ** 2)
    
    # 计算最大值，用于计算 PSNR
    max_pixel_value = 255.0
    
    if mse == 0:
        return float('inf')  # 如果mse为0，意味着完全匹配，返回无穷大

    psnr = 10 * np.log10(max_pixel_value ** 2 / mse)
    return psnr

# 使用数据集中的两幅图像作为示例
original_image = ...  # 从数据集中加载原图
compressed_image = ...  # 从数据集中加载压缩后的图像

psnr_score = calculate_psnr(original_image, compressed_image)
print(f"PSNR score: {psnr_score} dB")