图像评价指标PNSR和SSIM

最新推荐文章于 2023-06-26 17:25:44 发布
原创 最新推荐文章于 2023-06-26 17:25:44 发布 · 7k 阅读 · 17 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#计算机视觉 #机器学习 #python

本文介绍了图像质量评估的两个重要指标：PSNR（峰值信噪比）和SSIM（结构相似性）。PSNR通过均方差计算，而SSIM则考虑了亮度、对比度和结构的相似性。对于超光谱图像，需要对每个波段分别计算PSNR和SSIM，然后取平均值，得到MPSNR和MSSIM。这些指标在图像处理和分析中有着广泛应用。

PSNR (Peak Signal-to-Noise Ratio) 峰值信噪比

PSNR通过一个简单的均方差进行图像评价，也就是噪声图片与原图片的对比
在这里插入图片描述

# im1 和 im2 都为灰度图像，uint8 类型

# method 1
diff = im1 - im2
mse = np.mean(np
最低0.47元/天 解锁文章
【图像评价指标】PSNR和SSIM
qq_40379132的博客
10-05 6134
其中，MSE表示当前图像X和参考图像Y的均方误差（Mean Square Error），m、n分别为图像的高度和宽度；，然而它是基于对应像素点间的误差，即基于误差敏感的图像质量评价。由于并未考虑到人眼的视觉特性（人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个区域的感知结果会受到其周围邻近区域的影响等），因而经常出现评价结果与人的主观感觉不一致的情况。结构相似性，也是一种全参考的图像质量评价指标，它分别从亮度、对比度、结构三方面度量图像相似性。
GPU上的相似性检查（PNSR和SSIM）
希望我的博客，能帮上你解决学习中工作中所遇到的问题
04-21 978
OpenCV GPU上的相似性检查OpenCV GPU上的相似性检查目标源代码怎么做？-GPU优化结果与结论 OpenCV GPU上的相似性检查 目标 我已经介绍了用于检查两个图像之间相似性的PSNR和SSIM方法。如您所见，执行过程会花费一些时间，尤其是在SSIM的情况下。但是，如果CPU的OpenCV实现的性能数字不满足您的要求，并且您的系统中恰好有NVIDIA CUDA GPU设备，那么一切都不会丢失。您可以尝试移植或编写视频卡的owm算法。 本教程将很好地掌握如何使用OpenCV的GPU模块进行编码
PSNR-峰值信噪比（原理及Python代码实现）
yuhongbei的博客
10-24 6036
峰值信噪比（英语：Peak signal-to-noise ratio，常缩写为PSNR）是一个表示信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值的工程术语。由于许多信号都有非常宽的动态范围，峰值信噪比常用对数分贝单位来表示。
超分辨率重建-PNSR与SSIM的计算（RGB、YUV和YCbCr互转）
如何心安理得的在老板眼皮下摸鱼
05-07 1万+
RGB、YUV和YCbCr相互转换代码实现，python，tensorflow，matlab计算psnr及ssim代码实现，可直接复用
图像质量评价指标：PSNR
战士小小白的博客
10-27 2219
需要注意的是两个存放图片的文件夹里的图片数量要相等，上面的for循环就是指有多少张，按照你的实际图片数量修改就可以。，是一种评价图像的客观标准，它具有局限性，一般是用于最大值信号和背景噪音之间的一个工程项目。psnr是“Peak Signal to Noise Ratio”的缩写，即。修改修改的地方只有以下两行。
质量评估指标：PSNR（Peak signal-to-noise ratio 峰值信噪比）
Doctor__Chen的博客
05-15 3万+
文章目录一、峰值信噪比二、定义三、质量评估和性能比较1、质量评估2、性能比较四、PNSR 代码 一、峰值信噪比 峰值信噪比( PSNR ) 用于表示信号的最大可能功率与影响其表示的保真度的破坏噪声的功率之间的比率。由于许多信号具有非常宽的动态范围，因此 PSNR 通常使用分贝标度表示为对数量。 PSNR 在图像处理上主要用于量化受有损压缩影响的图像和视频的重建质量。 二、定义 PSNR 通过均方误差( MSE ) 定义。 给定一个无噪声的m×n单色图像I及其噪声近似值K，MSE定义为 PSNR定义为
PSNR和SSIM
郡酱的博客~
01-25 704
图像质量评价指标 MSE MSE:均方误差 对于给定的大小为m×nm\times nm×n的干净图像III和噪声图像KKK,均方误差MSE的定义如下： MSE=1mn∑0m∑0m[I(i,j)−K(i,j)]2MSE = \frac{1}{mn}\sum^{m}_{0}\sum^{m}_{0}[I(i,j)-K(i,j)]^2MSE=mn1​0∑m​0∑m​[I(i,j)−K(i,j)]2 PSNR PSNR (Peak Signal to Noise Ratio)峰值信噪比，其定义如下： PSNR=10l
多光谱图像评价指标含psnr,rmse, ergas, sam, uiqi,ssim,DD,CCS
11-28
含psnr,rmse, ergas, sam, uiqi,ssim,DD,CCS，matlab版图片评估指标，适用与高光谱图像，多波段图像 Computes a number of quality indices from the remote sensing literature, namely the RMSE, ERGAS, SAM and ...
【图像去噪】基于matlab中值滤波图像去噪（含SIGMA、PNSR、SSIM）【含Matlab源码 3712期】.md
10-13
衡量图像去噪效果的常用指标有SIGMA、PNSR和SSIM。SIGMA表示标准差，用于衡量噪声的方差程度。PNSR即峰值信噪比，表示图像质量的客观评估指标，值越大表示图像质量越高。SSIM即结构相似性指数，是一种衡量两幅图像...
【图像去噪】非局部均值NLM滤波图像去噪（含SIGMA、PNSR、SSIM）【含Matlab源码 3711期】.md
10-13
在性能评估方面，去噪算法通常会使用峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和结构相似性指数（Structural Similarity Index Measure，SSIM）作为评价指标。PSNR是一种客观评价指标，它基于像素值差异计算...
PSNR.rar_PNSR_PNSR是什么_PNSR计算_PSNR_PSNR的计算方式
09-23
pnsr的计算方法，不过估计大家很多人都有了，还是传一下吧
ssim和pnsr有什么区别
weixin_42610010的博客
02-18 608
SSIM 和 PSNR 都是用于比较图像质量的技术指标。SSIM 是结构相似度指数，它考虑了图像内容的结构信息，有利于更准确地评价图像质量；而 PSNR 是峰值信噪比，它只针对图像的像素值，更加看重像素值的精确度，但不考虑图像的结构信息。 ...
两种常用的全参考图像质量评价指标——峰值信噪比（PSNR）和结构相似性（SSIM）
loveliuzz的博客
11-08 4万+
原文：https://blog.youkuaiyun.com/zjyruobing/article/details/49908979  1.PSNR（Peak Signal to Noise Ratio）峰值信噪比： MSE表示当前图像X和参考图像Y的均方误差（Mean Square Error），H、W分别为图像的高度和宽度； PSNR的单位是dB，数值越大表示失真越小。n为每像素的比特数，一般的灰度...
图像处理之图像质量评价指标PSNR(峰值信噪比)
热门推荐
qq_44111805的博客
11-03 11万+
3、对于以上提出的三种方法，不论使用哪种方法计算PSNR都无所谓，只要保持实验部分都使用同一种方法即可。1、对于RGB图像计算的PSNR值最小，两个方法计算的灰度图像的PSNR基本一样，对于YCbCr图像的Y通道的PSNR值最大。2、注意每次运行主函数main.m文件，输出的PSNR值都会有细微差别，可以对比上下两张图。，可以与上方得到方差为0.001的PSNR结果。4、仅以高斯噪声的参数为讨论，我们将主函数main.m文件的高斯噪声的方差改为。其中MAXI为图像的最大像素值，PSNR的单位为dB。
python compare_ssim_Python 之 计算psnr和ssim值
weixin_39870092的博客
12-11 693
基于python版的PSNR和ssim值计算总所周知，图像质量评价的常用指标有PSNR和SSIM等，本博文是基于python版的图像numpy的float64格式和uint8格式计算两种指标值(附代码)，代码经多方测试和对比，是可用的。psnr峰值信噪比psnr是用来评价两幅图像相比质量的好坏，即失真情况。这两幅图像分别为原图像和经图像重建或者压缩后等图像处理方法的图像。PSNR越高，图像失真越小...
图像质量评估指标——PSNR介绍及计算方法
qq_50001789的博客
06-26 1万+
PSNR全称为Peak Signal to Noise Ratio，即峰值信噪比，是一种评价图像的客观标准，经常用于计算两幅图像的可视化误差，如衡量原图与经过压缩后图像之间的可视化差异、生成网络生成的图像与真实图像之间的差异等等。
【Python】计算psnr和ssim值
florrie
12-02 1万+
基于python版的PSNR和ssim值计算 psnr（峰值信噪比） psnr是图像质量评价的常用指标之一，该指标用来衡量两幅图像的相似度，即失真情况。具体就不展开说了。首先需要简单介绍一下psnr的公式计算。对于大小为m*n的两幅图像I和K（一幅是原图，一幅一般是图像重建后的图像），其均方差MSE定义为： 而PSNR的计算公式则为： 其中，MAX为最大像素，即255。这个计算公式针对的是灰度...
Skimage.measure 的compare_psnr和compare_ssim的改动
qq_46082765的博客
06-17 6467
Skimage.measure 的compare_psnr和compare_ssim的改动及错误解决
matlab PNSR、SSIM
最新发布
06-26
<think>我们正在处理用户关于MATLAB中PSNR和SSIM实现的问题。用户意图明确：寻找在MATLAB中计算PSNR和SSIM以评估图像质量的方法。根据引用，我们得知：1.MATLAB内置了psnr和ssim函数，可直接调用（引用[1]和[2]）。2.需要读取两张图像（原始图像和处理后的图像），然后调用这两个函数。3.PSNR和SSIM的数学定义（引用[3]和[4]）：-PSNR:$$PSNR=10\cdot\log_{10}\left(\frac{MAX_I^2}{MSE}\right)$$，其中$MAX_I$为图像最大可能像素值（如8位图像为255），$MSE$为均方误差。-SSIM:$$SSIM(x,y)=\frac{(2\mu_x\mu_y+c_1)(2\sigma_{xy}+c_2)}{(\mu_x^2+\mu_y^2+c_1)(\sigma_x^2+\sigma_y^2+c_2)}$$因此，回答应包含：1.使用MATLAB内置函数的基本方法（简单易行）。2.可选：如果用户需要自定义实现，提供PSNR和SSIM的公式及代码（但引用中显示MATLAB有内置函数，所以优先推荐内置函数）。注意：引用[1]和[2]提供了示例代码，我们可以参考。步骤：1.读取两张图像（假设为'original.jpg'和'processed.jpg'）。2.使用psnr函数计算PSNR值。3.使用ssim函数计算SSIM值。另外，引用[3]和[4]提供了公式，如果用户需要了解原理，可以简要说明。根据指令，需要生成相关问题。回答结构：1.介绍PSNR和SSIM的基本概念（简要）。2.提供MATLAB内置函数的使用方法（主要部分）。3.可选：自定义函数的实现（如果内置函数不满足需求，例如旧版本MATLAB可能没有内置ssim函数，但引用[2]显示有ssim函数，所以可能不需要。不过为了全面性，可以提一下自定义方法，但根据引用，用户似乎可以直接使用内置函数）。4.注意事项（如图像类型、范围等）。5.生成相关问题。注意：用户提供的引用中，引用[1]和[2]的代码示例略有不同，我们以最新MATLAB版本的内置函数为准（通常直接使用psnr和ssim函数，且参数顺序为psnr(A,ref)和ssim(A,ref)，其中A是待评估图像，ref是参考图像）。另外，引用[1]中代码是：psnr_value=psnr(B,A);%这里B是处理后的图像，A是原始图像ssim_value=ssim(B,A);而引用[2]中是：ssim(img1,img2)%未说明顺序，但通常第一个参数是待评估图像，第二个是参考图像。在MATLAB文档中，psnr函数的语法是：psnr(A,ref)因此，我们按照：待评估图像在前，参考图像在后。但是，注意引用[1]中变量B是处理后的图像（待评估），A是原始图像（参考）。所以顺序是：psnr(待评估,参考)因此，我们的代码示例将遵循这一顺序。步骤代码：```matlab%读取图像ref=imread('original_image.jpg');%参考图像（原始图像）A=imread('processed_image.jpg');%待评估图像（处理后的图像）%计算PSNRpsnrValue=psnr(A,ref);%注意：第一个参数是待评估图像，第二个是参考图像%计算SSIMssimValue=ssim(A,ref);%显示结果fprintf('PSNR:%.2fdB\n',psnrValue);fprintf('SSIM:%.4f\n',ssimValue);```注意事项：1.图像必须具有相同的大小和类型（或可以自动转换）。2.对于彩色图像，psnr和ssim函数默认会分别计算每个通道然后取平均（具体可查看MATLAB文档）。3.如果图像不是灰度图像，MATLAB的ssim函数默认将彩色图像转换为灰度图像然后计算。但根据MATLAB文档，从R2014a开始，ssim函数对彩色图像的处理方式可以通过参数设置。用户若需要多通道评估，需查看最新文档。如果用户使用的是较老版本的MATLAB（如没有内置ssim函数），则需要自定义实现。但根据引用[2]，用户直接输入ssim(img1,img2)即可，说明该函数存在。因此，我们主要提供内置函数方法。为了完整性，我们也可以简要说明如何自定义实现，但重点在内置函数。自定义实现PSNR（根据引用[3]）：```matlabfunctionpsnrValue=myPSNR(A,ref)%假设A和ref是uint8类型的图像maxPixel=255;mse=mean((A-ref).^2,'all');%计算整个图像的均方误差ifmse==0psnrValue=Inf;elsepsnrValue=10*log10(maxPixel^2/mse);endend```自定义实现SSIM较为复杂，公式见引用[4]。我们可以提供参考，但建议用户使用内置函数。根据用户问题，我们优先展示内置函数的使用。生成相关问题：1.PSNR和SSIM指标各有什么优缺点？2.除了PSNR和SSIM，还有哪些常用的图像质量评估指标？3.在MATLAB中如何处理彩色图像的PSNR和SSIM计算？回答组织如下：</think>### MATLAB 实现 PSNR 和 SSIM 图像质量评估 在 MATLAB 中计算 **PSNR（峰值信噪比）** 和 **SSIM（结构相似性）** 可通过内置函数实现，以下是详细步骤： --- #### **1. 基本实现方法** **步骤 1：读取图像** ```matlab ref = imread('original_image.png'); % 参考图像（原始图像） A = imread('processed_image.png'); % 待评估图像（处理后图像） ``` **步骤 2：计算 PSNR** ```matlab psnr_value = psnr(A, ref); fprintf('PSNR: %.2f dB\n', psnr_value); ``` - **公式**：$$PSNR = 10 \cdot \log_{10}\left(\frac{MAX_I^2}{MSE}\right)$$ 其中 $MAX_I$ 为最大像素值（如 8 位图像 $MAX_I=255$），$MSE$ 为均方误差[^3]。 **步骤 3：计算 SSIM** ```matlab ssim_value = ssim(A, ref); fprintf('SSIM: %.4f\n', ssim_value); ``` - **公式**： $$SSIM(x, y) = \frac{(2\mu_x \mu_y + c_1)(2\sigma_{xy}+c_2)}{(\mu_x^2+ \mu_y^2 + c_1)(\sigma_x^2+\sigma_y^2+c_2)}$$ 其中 $\mu$ 为均值，$\sigma$ 为标准差/协方差，$c_1, c_2$ 为稳定常数[^4]。 --- #### **2. 关键注意事项** 1. **图像要求**： - 两幅图像需尺寸相同且数据类型一致（推荐 `uint8`）。 - 彩色图像会被自动转换为灰度图计算（除非指定 `ColorChannels` 参数）。 2. **动态范围调整**（若图像非 `uint8` 类型）： ```matlab psnr_value = psnr(A, ref, 'DataFormat', 'SSC'); % 自适应动态范围 ``` 3. **多通道 SSIM**（针对彩色图像）： ```matlab ssim_map = ssim(A, ref, 'ColorChannels', 'rgb'); ssim_value = mean(ssim_map, 'all'); % 取各通道平均值 ``` --- #### **3. 自定义实现（无内置函数时）** **PSNR 自定义函数**： ```matlab function psnr_val = myPSNR(A, ref) max_val = 255; % 8位图像 mse = mean((double(A) - double(ref)).^2, 'all'); psnr_val = 10 * log10(max_val^2 / mse); end ``` **SSIM 自定义函数**（简化版）： ```matlab function ssim_val = mySSIM(A, ref) A = double(A); ref = double(ref); K = [0.01 0.03]; L = 255; % 动态范围 c1 = (K(1)*L)^2; c2 = (K(2)*L)^2; mu_A = mean(A, 'all'); mu_ref = mean(ref, 'all'); sigma_A = std(A, 0, 'all')^2; sigma_ref = std(ref, 0, 'all')^2; sigma_AB = cov(A(:), ref(:)); sigma_AB = sigma_AB(1,2); ssim_val = ((2*mu_A*mu_ref + c1) * (2*sigma_AB + c2)) / ... ((mu_A^2 + mu_ref^2 + c1) * (sigma_A + sigma_ref + c2)); end ``` --- #### **4. 结果解读** | 指标 | 理想值 | 评估标准 | |-------|--------|------------------------------| | PSNR | ∞ dB | > 30 dB 表示质量较好 | | SSIM | 1.0 | > 0.9 表示结构相似性高 | > **注意**：PSNR 侧重像素级误差，SSIM 更符合人眼感知[^1]。实际应用中建议结合两者。 --- ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值