写一个在jupyterLab上计算一张灰度图像的PSNR和MSE的代码

好的，下面是计算一张灰度图像的PSNR和MSE的代码。请先确保您已经安装了NumPy和PIL库，如果没有，请使用以下命令进行安装：

!pip install numpy Pillow

然后，您可以按照以下步骤计算PSNR和MSE：

1. 导入所需的库

import numpy as np
from PIL import Image

2. 读取原始图像和压缩后的图像，并将它们转换为NumPy数组

# 读取原始灰度图像
original_image = Image.open('original_image.png').convert('L')
original_array = np.array(original_image)

# 读取压缩后的灰度图像
compressed_image = Image.open('compressed_image.jpg').convert('L')
compressed_array = np.array(compressed_image)

请将`original_image.png`替换为您的原始灰度图像的路径，将`compressed_image.jpg`替换为您压缩后的灰度图像的路径。

3. 计算MSE和PSNR

# 计算MSE
mse = np.mean((original_array - compressed_array) ** 2)

# 计算最大像素值
max_pixel = 255

# 计算PSNR
psnr = 20 * np.log10(max_pixel / np.sqrt(mse))

这将计算原始图像和压缩后图像之间的MSE和PSNR。请注意，我们假设最大像素值为255。如果您的图像中的最大像素值不同，请相应地更改`max_pixel`的值。

4. 输出MSE和PSNR

print('MSE:', mse)
print('PSNR:', psnr)

这将打印出计算得到的MSE和PSNR值。

这样，您就可以使用上述代码计算一张灰度图像的PSNR和MSE了。