图像融合客观评价指标代码

当涉及到图像融合的客观评价指标时，有几个常用的指标可以用于评估融合的质量。以下是一个示例代码，使用 Peak Signal-to-Noise Ratio (PSNR) 和 Structural Similarity Index (SSIM) 两个指标来评价图像融合的质量。

import cv2
import numpy as np
from skimage.metrics import structural_similarity as ssim

def calculate_psnr(img1, img2):
    mse = np.mean((img1 - img2) ** 2)
    if mse == 0:
        return float('inf')
    max_value = np.max(img1)
    psnr = 20 * np.log10(max_value / np.sqrt(mse))
    return psnr

def calculate_ssim(img1, img2):
    return ssim(img1, img2, multichannel=True)

def evaluate_fusion(img1_path, img2_path, fused_img_path):
    img1 = cv2.imread(img1_path)
    img2 = cv2.imread(img2_path)
    fused_img = cv2.imread(fused_img_path)

    psnr = calculate_psnr(img1, fused_img)
    ssim = calculate_ssim(img1, fused_img)

    print("PSNR:", psnr)
    print("SSIM:", ssim)

# 示例用法
evaluate_fusion("image1.png", "image2.png", "fused_image.png")

请注意，这只是一个示例代码，你可能需要根据你的具体需求进行修改和调整。此外，你需要安装相应的依赖包（如OpenCV和scikit-image）才能运行这段代码。