建立评价模型，对一个算法进行评价，这个算法的功能是将黑白人像照片进行彩色化，给出这个评价模型的代码

评价模型可以采用 PSNR（Peak Signal-to-Noise Ratio）和 SSIM（Structural Similarity Index）两个指标进行评价。

代码如下：

import cv2
import numpy as np

def psnr(img1, img2):
    mse = np.mean((img1 - img2) ** 2)
    if mse == 0:
        return 100
    PIXEL_MAX = 255.0
    return 20 * np.log10(PIXEL_MAX / np.sqrt(mse))

def ssim(img1, img2):
    C1 = (0.01 * 255) ** 2
    C2 = (0.03 * 255) ** 2
    img1 = img1.astype(np.float64)
    img2 = img2.astype(np.float64)
    kernel = cv2.getGaussianKernel(11, 1.5)
    window = np.outer(kernel, kernel.transpose())
    mu1 = cv2.filter2D(img1, -1, window)[5:-5, 5:-5]  # valid
    mu2 = cv2.filter2D(img2, -1, window)[5:-5, 5:-5]
    mu1_sq = mu1 ** 2
    mu2_sq = mu2 ** 2
    mu1_mu2 = mu1 * mu2
    sigma1_sq = cv2.filter2D(img1 ** 2, -1, window)[5:-5, 5:-5] - mu1_sq
    sigma2_sq = cv2.filter2D(img2 ** 2, -1, window)[5:-5, 5:-5] - mu2_sq
    sigma12 = cv2.filter2D(img1 * img2, -1, window)[5:-5, 5:-5] - mu1_mu2
    ssim_map = ((2 * mu1_mu2 + C1) * (2 * sigma12 + C2)) / ((mu1_sq + mu2_sq + C1) * (sigma1_sq + sigma2_sq + C2))
    return ssim_map.mean()

# 测试代码
img1 = cv2.imread('img1.png')
img2 = cv2.imread('img2.png')
psnr_value = psnr(img1, img2)
ssim_value = ssim(img1, img2)
print('PSNR:', psnr_value)
print('SSIM:', ssim_value)

其中，`psnr()`函数计算 PSNR 指标，`ssim()`函数计算 SSIM 指标。测试时，可以将 `img1` 替换为原始黑白人像照片，`img2` 替换为使用算法彩色化后的照片。