帮我用python写一个程序，测文件夹低光照增强后所有图片的panr和ssim

要用Python编写一个程序来测量一个文件夹中所有图片的峰值信噪比（PSNR）和结构相似性指数（SSIM），我们可以使用`skimage`和`scikit-image`库中的相关函数。以下是一个简单的示例脚本：

from skimage.metrics import structural_similarity as ssim
from skimage import io
import numpy as np
import os

def calculate_psnr_ssim(original_folder, enhanced_folder):
    # 确保两个文件夹中有相同数量的图片
    original_images = [os.path.join(original_folder, img) for img in os.listdir(original_folder)]
    enhanced_images = [os.path.join(enhanced_folder, img) for img in os.listdir(enhanced_folder)]

    if len(original_images) != len(enhanced_images):
        print("Error: The number of original and enhanced images do not match.")
        return

    # 初始化PSNR和SSIM的值
    psnrs = []
    ssims = []

    # 遍历图片，计算PSNR和SSIM
    for orig, enh in zip(original_images, enhanced_images):
        original = io.imread(orig)
        enhanced = io.imread(enh)
        
        # 对于彩色图片，需要转换为灰度图像
        if len(original.shape) == 3:
            original = original.mean(axis=2)
            enhanced = enhanced.mean(axis=2)
        
        # 计算PSNR
        mse = np.mean((original - enhanced) ** 2)
        if mse == 0:
            psnr = 100
        else:
            psnr = 10 * np.log10(255 ** 2 / mse)
        psnrs.append(psnr)

        # 计算SSIM
        ssim_val = ssim(original, enhanced, multichannel=False)
        ssims.append(ssim_val)

    # 输出结果
    print("PSNR and SSIM values:")
    for i in range(len(psnrs)):
        print(f"Image {i+1}: PSNR={psnrs[i]:.2f} dB, SSIM={ssims[i]:.2f}")

# 使用示例
calculate_psnr_ssim('path_to_original_folder', 'path_to_enhanced_folder')

在这个脚本中，你需要将`'path_to_original_folder'`和`'path_to_enhanced_folder'`替换为你的原始低光照图片文件夹和增强后的图片文件夹路径。脚本会读取两个文件夹中所有的图片文件，并计算它们的PSNR和SSIM值。

请注意，为了确保对比效果，增强后的图片应该和对应的原始图片是同一张图片。此外，如果图片是彩色的，我们会先将它们转换成灰度图像来进行计算，因为PSNR和SSIM通常是针对灰度图像定义的。

在运行这段代码之前，请确保你已经安装了`skimage`和`numpy`库。