PSNR的python代码

最新推荐文章于 2025-12-08 01:59:09 发布

转载最新推荐文章于 2025-12-08 01:59:09 发布 · 2.3k 阅读

图像处理专栏收录该内容

7 篇文章

订阅专栏

本文介绍如何使用Python和NumPy库计算图像的峰值信噪比(PSNR)，这是一种评估图像质量的重要指标，特别是在图像超分辨率重建中。文章详细解释了如何将二维图像数据转换为一维向量，以便进行PSNR的计算，并提供了具体的代码实现。

此文转自：https://blog.youkuaiyun.com/breezero/article/details/82285188 侵权删。

flatten()可以将二维的array展成一维的

a.flatten(order=’C’)
Return a copy of the array collapsed into one dimension.
order= 'C' means to flatten in row-major (C-style) order.
order='F' means to flatten in column-major (Fortran-style) order.

flatten('C')和flatten('F')的区别在于行向量和列向量。

图像的超分辨率重建中，计算PSNR的时候，需要将矩阵形式的二维数据变成向量形式的一维向量，这样方便计算。


# PSNR.py
 
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
    # assume RGB image
    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)

$PSNR = 10\cdot log_{10}(\frac{MAX_{I}^{2}}{MSE}) = 20\cdot log_{10}(\frac{MAX_{I}}{\sqrt{MSE}})$