import cv2 import numpy as np def psnr(img1, img2): # 读取图片并转换为numpy数组 img1 = cv2.imread(img1, cv2.IMREAD_ANYDEPTH) img2 = cv2.imread(img2, cv2.IMREAD_ANYDEPTH) # 计算MSE和PSNR mse = np.mean((img1 - img2) ** 2) if mse == 0: return float('inf') else: max_pixel = 2 ** 16 - 1 # 对于16位深度的图像，像素值的最大值为2^16-1 psnr = 10 * np.log10((max_pixel ** 2) / mse) return psnr # 测试代码 if __name__ == '__main__': img1_path = '50-5s_X1.tif' img2_path = 'denoised_image(2).tif' psnr_value = psnr(img1_path, img2_path) print('PSNR value: {:.2f}'.format(psnr_value))

这段代码是一个计算图像相似度指标PSNR（Peak Signal-to-Noise Ratio）的函数psnr，其中包含如下步骤：

1. 导入OpenCV和Numpy库。

2. 定义一个psnr函数，用于计算两张图片的PSNR值。该函数接收两个参数img1和img2，分别表示两张图片的路径。函数内部首先将这两张图片读取并转换为numpy数组。

3. 然后计算两张图片的MSE（Mean Squared Error）值，MSE表示两张图片像素之间的均方误差。MSE越小，说明两张图片越相似。

4. 如果MSE等于0，则PSNR为正无穷，否则计算PSNR值。在这里，max_pixel表示像素值的最大值（对于16位深度的图像，最大值为2^16-1）。PSNR值越高，说明两张图片越相似。

5. 最后返回PSNR值。

6. 测试代码中，给定两张图片的路径作为输入，计算它们的相似度指标PSNR，并输出结果。