使用python编写使用SNR对图像去噪效果进行评估的代码

好的，以下是一个使用SNR对图像去噪效果进行评估的Python代码示例：

import numpy as np
import cv2

def calculate_snr(original, noisy, denoised):
    """
    计算信噪比（SNR）的函数
    """
    mse_noise = np.mean((original - noisy) ** 2)
    mse_denoised = np.mean((original - denoised) ** 2)
    snr = 10 * np.log10(mse_denoised / mse_noise)
    return snr

# 读取原始图像
original_image = cv2.imread('original_image.png', cv2.IMREAD_GRAYSCALE)

# 添加高斯噪声
mean = 0
variance = 0.1
sigma = np.sqrt(variance)
noisy_image = original_image + np.random.normal(mean, sigma, original_image.shape)

# 对噪声图像进行去噪处理
denoised_image = cv2.fastNlMeansDenoising(noisy_image, None, h=10, templateWindowSize=7, searchWindowSize=21)

# 计算 SNR 并输出结果
snr = calculate_snr(original_image, noisy_image, denoised_image)
print('SNR:', snr)

这个示例代码中，我们首先读取原始图像，然后添加高斯噪声以模拟实际场景中的图像噪声。接着，我们使用 `cv2.fastNlMeansDenoising` 对噪声图像进行去噪处理。最后，我们使用 `calculate_snr` 函数计算信噪比（SNR）并输出结果。

需要注意的是，这个示例代码中使用的是 OpenCV 中的快速非局部均值去噪算法（`cv2.fastNlMeansDenoising`）。在实际应用中，可能需要根据情况选择不同的去噪算法。