matlab 计算图像的峰值信噪比并显示

计算图像的峰值信噪比（Peak Signal-to-Noise Ratio, PSNR）可以使用MATLAB内置函数`psnr`实现。以下是一个示例代码：

% 读取图像
img = imread('lena.jpg');

% 添加高斯噪声
noisy_img = imnoise(img, 'gaussian', 0.02);

% 计算峰值信噪比
psnr_value = psnr(img, noisy_img);

% 显示图像和峰值信噪比
figure;
subplot(1,2,1); imshow(img); title('原始图像');
subplot(1,2,2); imshow(noisy_img); title('加噪图像, PSNR=' + string(psnr_value));

在这个示例中，我们首先读取了名为`lena.jpg`的图像。然后使用`imnoise`函数添加了高斯噪声，噪声水平设为0.02。接着，使用`psnr`函数计算了原始图像和加噪图像之间的峰值信噪比，并将结果存储在变量`psnr_value`中。最后，使用`subplot`和`imshow`函数分别显示了原始图像和加噪图像，并在加噪图像下方显示了计算得到的峰值信噪比。

注意，PSNR的值越高，表示图像质量越好，通常认为PSNR值在30以上的图像质量较高。

相关问题

matlab计算图片峰值信噪比

### 使用 MATLAB 计算图像的峰值信噪比 (PSNR)

在 MATLAB 中，可以编写函数来计算两幅图像之间的峰值信噪比 (PSNR) 和均方根误差 (MSE)。当输入 `Y` 为空时，默认将 `X` 与其本身进行比较[^1]。

下面是一个用于计算 PSNR 的 MATLAB 函数实现：

function [PSNR, MSE] = psnr(X, Y)
    % 如果输入 Y 为空，则视为 X 与其本身来计算 PSNR、MSE
    if isempty(Y)
        Y = X;
    end
    
    % 获取图像尺寸
    [m, n] = size(X);
    
    % 计算均方根误差 MSE
    MSE = sum(sum((double(X) - double(Y)).^2)) / (m * n);

    % 定义最大像素值（对于8位灰度图像是255）
    MAX_I = 255;

    % 计算 PSNR
    PSNR = 10 * log10(MAX_I^2 / MSE);
end

此代码定义了一个名为 `psnr` 的函数，该函数接收两个参数 `X` 和 `Y`，分别代表原始图像和处理后的图像。如果未提供第二个参数 `Y`，则默认将其设置为等于第一个参数 `X`。接着通过计算均方根误差 MSE 来进一步求得 PSNR 值，并返回这两个指标的结果。

为了验证噪声图像的质量，还可以调用上述编写的 `psnr` 函数并传入相应的图片数据作为参数，从而获得其对应的 PSNR 数值[^2]。

matlab 计算图片峰值信噪比的程序

以下是 Matlab 计算图像峰值信噪比（PSNR）的示例代码：

% 读取原图和处理后的图像
original_image = imread('original_image.jpg');
processed_image = imread('processed_image.jpg');

% 计算峰值信噪比（PSNR）
mse = sum(sum((double(original_image) - double(processed_image)).^2)) / (size(original_image, 1) * size(original_image, 2));
psnr = 10 * log10(255^2 / mse);

% 显示结果
fprintf('PSNR = %f dB\n', psnr);

注意，上述示例中的“original_image.jpg”和“processed_image.jpg”需要替换为实际的图像文件名。此外，该代码假设图像的灰度级范围为0到255。如果你的图像的灰度级范围不同，请相应地修改代码。