评价指标PSNR和SSIM

最新推荐文章于 2025-04-20 08:54:33 发布
最新推荐文章于 2025-04-20 08:54:33 发布
阅读量3.3k 收藏 5
点赞数
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。
本文链接：https://blog.youkuaiyun.com/weixin_40533355/article/details/88248428
版权

PSNR: 峰值信噪比，单位是dB，数值越大表示失真越小。

PSNR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。

峰值信号的能量与噪声的平均能量之比，通常表示的时候取 log 变成分贝（dB）。

 

SSIM: 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。SSIM取值范围[0,1]，值越大，表示图像失真越小。SSIM在图像去噪、图像相似度评价上是优于PSNR的。

 

PSNR（Peak Signal-to-Noise Ratio，峰值信噪比）
weixin_44012667的博客
11-22 1697
PSNR（Peak Signal-to-Noise Ratio，峰值信噪比）是用于评估图像质量的一种常见指标，特别是在图像压缩、传输和恢复等任务中。通过 PSNR，我们可以量化图像的质量变化，是衡量图像质量的重要指标之一。PSNR 的计算基于均方误差（MSE）。
【图像评价指标】PSNR和SSIM
qq_43557445的博客
11-17 4994
一、PSNR（峰值信噪比） 给定一个大小为m x n的清晰图像I和噪声图像K，均方误差MSE为： 则PSNR（dB）定义为： 其中MAXI2MAX^2_IMAXI2​为图像可能的最大像素值。如果像素由8位二进制表示，则为255。 上面是针对灰度图像的计算方法，如果是RGB三通道图像： 分别计算RGB三个通道的PSNR，然后取平均值 计算RGB三通道的MSE，再除以3 将图片转化为YCbCr格式，然后只计算Y分量（亮度分量）的PSN 二、SSIM（结构相似性） SSIM是比较亮度、对比度和结构三个指标
图像评价标准：PSNR和SSIM
PuLaNa_的博客
08-12 981
图像评价标准：PSNR和SSIM代码实现
【图像质量】PSNR（峰值信噪比）值的理解（以30为例）
最新发布
wzk4869的博客
04-20 4153
【图像质量】PSNR（峰值信噪比）值的理解（以30为例）
PSNR
热门推荐
好记性不如写博客！
12-18 1万+
  PSNR（Peak Signal to Noise Ratio）峰值信噪比，是一种全参考的图像质量评价指标。 其中，MSE表示当前图像X和参考图像Y的均方误差（MeanSquare Error），H、W分别为图像的高度和宽度；n为每像素的比特数，一般取8，即像素灰阶数为256. PSNR的单位是dB，数值越大表示失真越小。 PSNR是最普遍和使用最为广泛的一种图像客观评价指标，然而它是...
峰值信噪比（PSNR）和结构相似性（SSIM）
qq_54668941的博客
10-09 4308
峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）和结构相似性（Structural Similarity，SSIM）是图像质量评价中常用的两个指标，用于衡量重建图像与参考图像（通常是原始图像）之间的相似度和质量。它们在图像处理领域，尤其是图像压缩、去噪和超分辨率任务中，被广泛使用。
ssim和pnsr有什么区别
weixin_42610010的博客
02-18 556
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。 ...
图像评价指标PSNR,SSIM,QNR,SAM,ERGAS
03-21
本文将详细介绍几种常见的图像评价指标：峰值信噪比（PSNR）、结构相似性指数（SSIM）、质量归一化噪声（QNR）、失真度（SAM）以及ERGAS指数。这些指标在图像分析、压缩、传输和重建中广泛应用。 1. 峰值信噪比...
图像质量评价指标PSNR和SSIM
Lininggggggg的博客
05-25 3219
由于是从Word文档直接复制过来，其中格式如果乱码或者不通顺，请评论区告知我 https://blog.youkuaiyun.com/dxpqxb/article/details/85071338 https://www.cnblogs.com/seniusen/p/10012656.html 图像质量评价指标常用的有PSNR 和 SSIM 一、SSIM，结构相似性 1、定义 SSIM(structural similarity index)，结构相似性，是一种衡量两幅图像相似度的指标。SSIM使用的两张图像中，一.
常用图像评价指标以及代码 ：PSNR、SSIM、 LPIPS
2301_81845359的博客
09-07 5639
常用图像评价指标以及代码
求PSNR
pleasetojava
04-17 210
functionf=WPSNR(A,B,varargin)%ThisfunctioncomputesWPSNR(weightedpeaksignal-to-noiseratio)between%twoimages.Theanswerisindecibels(dB).%%Usingcontrastsensitivityfunction(CSF)toweightspatialfrequency%...
PSNR计算器
03-08
PSNR峰值信噪比计算工具
官方PSNR和SSIM---matlab实现
12-01
简单好用的matlab实现批量计算彩色RGB图像的PSNR和SSIM，设置了3种转换方法，（1）matlab自带转换YUV格式，（2）自己编写YUV转换公式（3）matlab自带转换灰度格式
PSNR）
killmice的专栏
01-17 1403
峰值信噪比（经常缩写为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。 峰值信噪比经常用作图像压缩等领域中信号重建质量的测量方法，它常简单地通过均方差（MSE）进行定义。两个m×n单色图像I和K，如果一个为另外一个的噪声近似，那么它们的的均方差定义为： 峰值信噪比定义为： 其中
PSNR和SSIM
哟哟哟哟哟哟
09-02 4000
PSNR，峰值信噪比 通常用来评价一幅图像压缩后和原图像相比质量的好坏，当然，压缩后图像一定会比原图像质量差的，所以就用这样一个评价指标来规定标准了。PSNR越高，压缩后失真越小。这里主要定义了两个值，一个是均方差MSE，另一个是峰值信噪比PSNR，公式如下： 这里的MAX通常是图像的灰度级，一般就是255了。 原图 图像宽高分别缩小1/2再放大到原图，PSNR=30.2d...
图像质量评价指标：psnr和ssim
04-02
### PSNR 和 SSIM 的概念、计算方法及应用场景 #### 一、PSNR (Peak Signal-to-Noise Ratio) **定义**: PSNR 是一种常用的图像质量评估指标，用于衡量重建图像与原始图像之间的差异程度。它通过比较均方误差（Mean Squared Error, MSE）来量化两幅图像的质量差距[^1]。 **计算公式**: 假设 $X$ 表示原始图像，$Y$ 表示失真后的图像，则 PSNR 可表示为： $$ \text{MSE} = \frac{1}{mn}\sum_{i=0}^{m-1}\sum_{j=0}^{n-1}[X(i,j)-Y(i,j)]^2 $$ 其中 $m$, $n$ 分别代表图像的高度和宽度。接着， $$ \text{PSNR} = 10 \cdot \log_{10} \left( \frac{\text{MAX}_I^2}{\text{MSE}} \right) $$ $\text{MAX}_I$ 是图像的最大可能像素值，在 8-bit 图像中通常取 255[^3]。 **特点**: - PSNR 主要关注的是像素级别的误差。 - 它适合于简单的压缩算法或者噪声模型中的性能分析。 - 缺点在于无法很好地反映人类视觉系统的感知特性。 --- #### 二、SSIM (Structural Similarity Index Measure) **定义**: SSIM 被设计用来模拟人眼对图像变化的敏感度，不仅考虑亮度和对比度的变化，还引入了结构信息作为重要组成部分。 **计算公式**: 给定两个窗口大小相同的局部区域 $x$ 和 $y$ ，其 SSIM 值由下述表达式给出: $$ \text{SSIM}(x,y) = \frac{(2\mu_x\mu_y+c_1)(2\sigma_{xy}+c_2)}{(\mu_x^2+\mu_y^2+c_1)(\sigma_x^2+\sigma_y^2+c_2)} $$ 这里， - $\mu_x,\mu_y$: 平均强度； - $\sigma_x,\sigma_y$: 方差； - $\sigma_{xy}$: 协方差； - $c_1,c_2$: 小常数以稳定除法运算并防止分母为零[^4]。 对于整张图片的整体 SSIM 得分可以通过滑动窗口的方式逐块计算后再平均得到最终分数。 **特点**: - 更贴近人的主观感受，能较好体现结构性特征匹配情况。 - 对某些特定类型的畸变非常有效，比如模糊或几何形变等不易被传统距离测度捕捉到的现象[^2]。 --- #### 应用场景对比 | 特性/指标 | PSNR | SSIM | |------------|------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------| | 数据类型 | 数字化信号处理领域广泛应用 | 多媒体通信、计算机视觉等领域 | | 敏感因素 | 高频细节损失 | 结构破坏 | | 输出形式 | 连续数值范围 | [-1,1],接近1表明高度相似 | 尽管如此，单独依赖任何一个标准都可能存在局限性；因此实践中往往建议综合考量多个维度的信息源来进行更加精确可靠的评测工作。 ```python import numpy as np from skimage.metrics import structural_similarity as ssim from math import log10, sqrt def calculate_psnr(img1, img2): mse = np.mean((img1 - img2)**2) if mse == 0: return float('inf') max_pixel_value = 255.0 psnr_result = 20 * log10(max_pixel_value / sqrt(mse)) return psnr_result # Example Usage of SSIM and PSNR Calculation imageA = ... # Load your first image here. imageB = ... # Load the second one. psnr_score = calculate_psnr(imageA.astype(float), imageB.astype(float)) ssim_index, _ = ssim(imageA, imageB, full=True, multichannel=True) print(f'PSNR Score:{psnr_score}') print(f'SSIM Index:{ssim_index}') ```
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