图像的：均方根误差MSE、峰值信噪比PSNR、平均绝对误差MAE、结构相似性SSIM

最新推荐文章于 2025-06-20 16:07:29 发布

原创

最新推荐文章于 2025-06-20 16:07:29 发布 · 1.1w 阅读

49 ·

CC 4.0 BY-SA版权

本文通过一个实例展示了如何计算图像的均方根误差MSE、峰值信噪比PSNR、平均绝对误差MAE和结构相似性SSIM。首先，对图像添加椒盐噪声，然后应用均值滤波处理。通过比较原图像与滤波后的图像，计算四个关键指标，用于评估图像质量。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

clc; close all;
X = imread('1.jpg');
X=rgb2gray(X);
Y=X;
Y = imnoise(Y, 'salt & pepper');%添加椒盐噪声，也可以改成其他噪声

A=fspecial('average',3); %生成系统预定义的3X3滤波器  
Z=filter2(A,Y)/255; %均值滤波

%Z=medfilt2(Y,[3,3]);%中值滤波

%A=fspecial('gaussian'); %高斯滤波卷积核
%Z=filter2(A,Y)/255;   %用生成的高斯序列进行滤波



figure; 
subplot(1, 3, 1); imshow(X); title('原图像');
subplot(1, 3, 2); imshow(Y); title('加噪声图像');
subplot(1, 3, 3); imshow(Z); title('滤波后图像');

X = double(X);  
Z = double(Z);  

D = Z-X;
MSE = sum(D(:).*D(:))/numel(Z);%均方根误差MSE
PSNR = 10*log10(255^2/MSE);%峰值信噪比
MAE=mean(mean(abs(D)));%平均绝对误差

w = fspecial('gaussian', 11, 1.5);  %window 加窗  
K(1) = 0.01;                      
K(2) = 0.03;                      
L = 255;       
Z = double(Z);  
X = double(X);  
C1 = (K(1)*L)^2;  
C2 = (K(2)*L)^2;  
w = w/sum(sum(w));  
ua   = filter2(w, Z, 'valid');%对窗口内并没有进行平均处理，而是与高斯卷积，  
ub   = filter2(w, X, 'valid'); % 类似加权平均  
ua_sq = ua.*ua;  
ub_sq = ub.*ub;  
ua_ub = ua.*ub;  
siga_sq