psnr的python完整代码

以下是一个简单的 Python 代码，用于计算两个图像之间的 PSNR 值。

import math
import cv2

# 读入原图和处理后的图像
original = cv2.imread('original_image.jpg')
processed = cv2.imread('processed_image.jpg')

# 计算 MSE 值
mse = ((original - processed) ** 2).mean()

# 计算 PSNR 值
if mse == 0:
    psnr = float('inf')
else:
    max_pixel_value = 255.0
    psnr = 20 * math.log10(max_pixel_value / math.sqrt(mse))

# 输出结果
print('PSNR:', psnr)

需要注意的是，这个代码假设两个图像的分辨率相同，如果分辨率不同，需要先将两个图像的分辨率调整为一致。

相关问题

psnr python代码

psnr python代码如下所示：

import numpy as np
import math

def psnr(target, ref, scale):
    # target: 目标图像
    # ref: 参考图像
    # scale: 尺寸大小
    
    # 假设目标图像是RGB图像
    target_data = np.array(target)
    target_data = target_data[scale:-scale,scale:-scale]
    
    ref_data = np.array(ref)
    ref_data = ref_data[scale:-scale,scale:-scale]
    
    diff = ref_data - target_data
    diff = diff.flatten('C')
    
    rmse = math.sqrt(np.mean(diff ** 2.))
    
    return 20 * math.log10(1.0 / rmse)

PSNR python代码

PSNR（Peak Signal-to-Noise Ratio）是一种用于衡量图像或视频质量的指标，可以通过计算原始图像与压缩/恢复后的图像之间的峰值信噪比来评估图像的失真程度。下面是一个简单的Python代码示例，用于计算两个图像之间的PSNR值：

import cv2
import numpy as np

def calculate_psnr(original_image, compressed_image):
    # 读取原始图像和压缩/恢复后的图像
    img1 = cv2.imread(original_image)
    img2 = cv2.imread(compressed_image)

    # 将图像转换为灰度图像
    gray_img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
    gray_img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

    # 计算MSE（均方误差）
    mse = np.mean((gray_img1 - gray_img2) **2)

    # 计算PSNR值
    if mse == 0:
        psnr = float('inf')
    else:
        max_pixel_value = 255.0
        psnr = 20 * np.log10(max_pixel_value / np.sqrt(mse))

    return psnr

# 示例用法
original_image_path = 'original_image.jpg'
compressed_image_path = 'compressed_image.jpg'
psnr_value = calculate_psnr(original_image_path, compressed_image_path)
print("PSNR value:", psnr_value)

请注意，上述代码使用了OpenCV库来读取和处理图像。在运行代码之前，请确保已经安装了OpenCV库。另外，需要将`original_image.jpg`和`compressed_image.jpg`替换为实际的图像文件路径。