图像的 SNR 和 PSNR 的计算1

最新推荐文章于 2024-09-07 18:10:20 发布
最新推荐文章于 2024-09-07 18:10:20 发布
阅读量1.2k 收藏 2
点赞数
分类专栏： SNR

rldts 
</div><!--end: blogTitle 博客的标题和副标题 -->
<div id="navigator">

	<div class="blogStats">
		
		<div id="blog_stats">

随笔-466 
文章-9 
评论-7 

	</div><!--end: blogStats -->
</div><!--end: navigator 博客导航栏 -->

    <div id="post_detail">

图像的 SNR 和 PSNR 的计算

PSNR 的公式很容易搜到。

http://www.360doc.com/content/12/0605/21/4129998_216244993.shtml
http://blog.sina.com.cn/s/blog_455c7a600101ytgo.html

 

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：

 

代码实现（参考：http://stackoverflow.com/questions/29428308/snr-of-an-image-in-c-using-opencv）

复制代码 
double getPSNR(const Mat& I1, const Mat& I2)
{
    Mat s1;
    absdiff(I1, I2, s1);       // |I1 - I2|
    s1.convertTo(s1, CV_32F);  // cannot make a square on 8 bits
    s1 = s1.mul(s1);           // |I1 - I2|^2

    Scalar s = sum(s1);         // sum elements per channel

<span style="color: #0000ff;">double</span> sse = s.val[<span style="color: #800080;">0</span>] + s.val[<span style="color: #800080;">1</span>] + s.val[<span style="color: #800080;">2</span>]; <span style="color: #008000;">//</span><span style="color: #008000;"> sum channels</span>

<span style="color: #0000ff;">if</span>( sse &lt;= 1e-<span style="color: #800080;">10</span>) <span style="color: #008000;">//</span><span style="color: #008000;"> for small values return zero</span>
    <span style="color: #0000ff;">return</span> <span style="color: #800080;">0</span><span style="color: #000000;">;
</span><span style="color: #0000ff;">else</span><span style="color: #000000;">
{
    </span><span style="color: #0000ff;">double</span>  mse =sse /(<span style="color: #0000ff;">double</span>)(I1.channels() *<span style="color: #000000;"> I1.total());
    </span><span style="color: #0000ff;">double</span> psnr = <span style="color: #800080;">10.0</span>*log10((<span style="color: #800080;">255</span>*<span style="color: #800080;">255</span>)/<span style="color: #000000;">mse);
    </span><span style="color: #0000ff;">return</span><span style="color: #000000;"> psnr;
}

}

复制代码

 

SNR 不太好搜。

http://cg2010studio.com/2014/12/10/opencv-snr-%E8%88%87-psnr/

http://blog.csdn.net/lien0906/article/details/30059747

SNR (Signal to Noise Ratio)：訊號雜訊比，簡稱訊雜比。

PSNR (Peak Signal to Noise Ratio)：也是訊雜比，只是訊號部分的值通通改用該訊號度量的最大值。以訊號度量範圍為 0 到 255 當作例子來計算 PSNR 時，訊號部分均當成是其能夠度量的最大值，也就是 255，而不是原來的訊號。

代码实现（参考：http://cg2010studio.com/2014/12/10/opencv-snr-%E8%88%87-psnr/）

复制代码 
/**
    Theme: SNR (Signal to Noise Ratio) & PSNR (Peak Signal to Noise Ratio)
    compiler: Dev C++ 4.9.9.2
    Library: OpenCV 2.0
    Date: 103/12/10
    Author: HappyMan
    Blog: https://cg2010studio.wordpress.com/
*/
#include <cv.h>
#include <highgui.h>
#include<iostream>

using namespace std;

int main(){
IplImage *src1= cvLoadImage(“moon_o.BMP”);
IplImage *src2= cvLoadImage(“moon_m.BMP”);

</span><span style="color: #0000ff;">long</span> <span style="color: #0000ff;">long</span> <span style="color: #0000ff;">int</span> sigma = <span style="color: #800080;">0</span><span style="color: #000000;">;
</span><span style="color: #0000ff;">long</span> <span style="color: #0000ff;">long</span> <span style="color: #0000ff;">int</span> squre = <span style="color: #800080;">0</span><span style="color: #000000;">;
</span><span style="color: #0000ff;">double</span> MSE = <span style="color: #800080;">0.0</span><span style="color: #000000;">;
</span><span style="color: #0000ff;">double</span> SNR = <span style="color: #800080;">0.0</span><span style="color: #000000;">;
</span><span style="color: #0000ff;">double</span> PSNR = <span style="color: #800080;">0.0</span><span style="color: #000000;">;
</span><span style="color: #0000ff;">int</span> frameSize = src1-&gt;height*src1-&gt;width*<span style="color: #800080;">3</span><span style="color: #000000;">;
</span><span style="color: #0000ff;">int</span> blue1=<span style="color: #800080;">0</span>, blue2=<span style="color: #800080;">0</span><span style="color: #000000;">;
</span><span style="color: #0000ff;">int</span> green1=<span style="color: #800080;">0</span>, green2=<span style="color: #800080;">0</span><span style="color: #000000;">;
</span><span style="color: #0000ff;">int</span> red1=<span style="color: #800080;">0</span>, red2=<span style="color: #800080;">0</span><span style="color: #000000;">;

</span><span style="color: #008000;">//</span><span style="color: #008000;"> width x height -&gt; [height][width]</span>
<span style="color: #0000ff;">for</span>(<span style="color: #0000ff;">int</span> i=<span style="color: #800080;">0</span>;i&lt;src1-&gt;height;i++<span style="color: #000000;">){
    </span><span style="color: #0000ff;">for</span>(<span style="color: #0000ff;">int</span> j=<span style="color: #800080;">0</span>;j&lt;src1-&gt;widthStep;j=j+<span style="color: #800080;">3</span><span style="color: #000000;">){
        blue1</span>=(<span style="color: #0000ff;">int</span>)(uchar)src1-&gt;imageData[i*src1-&gt;widthStep+j];<span style="color: #008000;">//</span><span style="color: #008000;">Blue</span>
        green1=(<span style="color: #0000ff;">int</span>)(uchar)src1-&gt;imageData[i*src1-&gt;widthStep+j+<span style="color: #800080;">1</span>];<span style="color: #008000;">//</span><span style="color: #008000;">Green</span>
        red1=(<span style="color: #0000ff;">int</span>)(uchar)src1-&gt;imageData[i*src1-&gt;widthStep+j+<span style="color: #800080;">2</span>];<span style="color: #008000;">//</span><span style="color: #008000;">Red</span>
        blue2=(<span style="color: #0000ff;">int</span>)(uchar)src2-&gt;imageData[i*src2-&gt;widthStep+j];<span style="color: #008000;">//</span><span style="color: #008000;">Blue</span>
        green2=(<span style="color: #0000ff;">int</span>)(uchar)src2-&gt;imageData[i*src2-&gt;widthStep+j+<span style="color: #800080;">1</span>];<span style="color: #008000;">//</span><span style="color: #008000;">Green</span>
        red2=(<span style="color: #0000ff;">int</span>)(uchar)src2-&gt;imageData[i*src2-&gt;widthStep+j+<span style="color: #800080;">2</span>];<span style="color: #008000;">//</span><span style="color: #008000;">Red</span>
        sigma+=(blue1-blue2)*(blue1-blue2)+<span style="color: #000000;">
        (green1</span>-green2)*(green1-green2)+<span style="color: #000000;">
        (red1</span>-red2)*(red1-<span style="color: #000000;">red2);
        squre </span>+= blue1*blue1 + green1*green1 + red1*<span style="color: #000000;">red1;
    }
}
MSE</span>=sigma/(<span style="color: #0000ff;">double</span><span style="color: #000000;">)frameSize;
PSNR</span>=<span style="color: #800080;">10</span>*log10(<span style="color: #800080;">255</span>*<span style="color: #800080;">255</span>/<span style="color: #000000;">MSE);
SNR </span>= <span style="color: #800080;">10</span>*log10(squre/<span style="color: #000000;">sigma);

cout</span>&lt;&lt;<span style="color: #800000;">"</span><span style="color: #800000;">sigma: </span><span style="color: #800000;">"</span>&lt;&lt;sigma&lt;&lt;<span style="color: #000000;">endl;;
cout</span>&lt;&lt;<span style="color: #800000;">"</span><span style="color: #800000;">MSE: </span><span style="color: #800000;">"</span>&lt;&lt;MSE&lt;&lt;<span style="color: #000000;">endl;;
cout</span>&lt;&lt;<span style="color: #800000;">"</span><span style="color: #800000;">PSNR: </span><span style="color: #800000;">"</span>&lt;&lt;PSNR&lt;&lt;<span style="color: #000000;">endl;;
cout</span>&lt;&lt;<span style="color: #800000;">"</span><span style="color: #800000;">SNR: </span><span style="color: #800000;">"</span>&lt;&lt;SNR&lt;&lt;<span style="color: #000000;">endl;;

system(</span><span style="color: #800000;">"</span><span style="color: #800000;">pause</span><span style="color: #800000;">"</span><span style="color: #000000;">);
cvWaitKey(</span><span style="color: #800080;">0</span><span style="color: #000000;">);
</span><span style="color: #0000ff;">return</span><span style="color: #000000;"> EXIT_SUCCESS;

}

复制代码

 

分类: OpenCV
0
0
« 上一篇： swprintf %s %ws %S 的区别
» 下一篇： VirtualBox Win7 虚拟机 共享文件夹设置 
	</div>
	<div class="postDesc">posted @ <span id="post-date">2016-03-31 10:39</span> <a href="https://www.cnblogs.com/qrlozte/">rldts</a> 阅读(<span id="post_view_count">14848</span>) 评论(<span id="post_comment_count">0</span>)  <a href="https://i.cnblogs.com/EditPosts.aspx?postid=5340216" rel="nofollow">编辑</a> <a href="#" "AddToWz(5340216);return false;">收藏</a></div>
</div>
<script type="text/javascript">var allowComments=true,cb_blogId=144440,cb_entryId=5340216,cb_blogApp=currentBlogApp,cb_blogUserGuid='daffd0f4-978c-e211-9010-c3d7423e3b07',cb_entryCreatedDate='2016/3/31 10:39:00';loadViewCount(cb_entryId);var cb_postType=1;var isMarkdown=false;</script>

</div><!--end: forFlow -->
</div><!--end: mainContent 主体内容容器-->

<div id="sideBar">
	<div id="sideBarMain">

公告

昵称： rldts
园龄： 6年
粉丝： 13
关注： 0
+加关注 
		<div id="calendar"><div id="blog-calendar" style=""><table id="blogCalendar" class="Cal" title="Calendar" cellspacing="0" cellpadding="0">
<tbody><tr><td colspan="7"><table class="CalTitle" cellspacing="0">
	<tbody><tr><td class="CalNextPrev"><a href="javascript:void(0);" "loadBlogCalendar('2019/03/01');return false;">&lt;</a></td><td align="center">2019年4月</td><td class="CalNextPrev" align="right"><a href="javascript:void(0);" "loadBlogCalendar('2019/05/01');return false;">&gt;</a></td></tr>
</tbody></table></td></tr><tr><th class="CalDayHeader" abbr="日" scope="col" align="center">日</th><th class="CalDayHeader" abbr="一" scope="col" align="center">一</th><th class="CalDayHeader" abbr="二" scope="col" align="center">二</th><th class="CalDayHeader" abbr="三" scope="col" align="center">三</th><th class="CalDayHeader" abbr="四" scope="col" align="center">四</th><th class="CalDayHeader" abbr="五" scope="col" align="center">五</th><th class="CalDayHeader" abbr="六" scope="col" align="center">六</th></tr><tr><td class="CalOtherMonthDay" align="center">31</td><td align="center">1</td><td align="center">2</td><td align="center">3</td><td align="center">4</td><td align="center">5</td><td class="CalWeekendDay" align="center">6</td></tr><tr><td class="CalWeekendDay" align="center">7</td><td align="center">8</td><td align="center">9</td><td class="CalTodayDay" align="center">10</td><td align="center">11</td><td align="center">12</td><td class="CalWeekendDay" align="center">13</td></tr><tr><td class="CalWeekendDay" align="center">14</td><td align="center">15</td><td align="center">16</td><td align="center">17</td><td align="center">18</td><td align="center">19</td><td class="CalWeekendDay" align="center">20</td></tr><tr><td class="CalWeekendDay" align="center">21</td><td align="center">22</td><td align="center">23</td><td align="center">24</td><td align="center">25</td><td align="center">26</td><td class="CalWeekendDay" align="center">27</td></tr><tr><td class="CalWeekendDay" align="center">28</td><td align="center">29</td><td align="center">30</td><td class="CalOtherMonthDay" align="center">1</td><td class="CalOtherMonthDay" align="center">2</td><td class="CalOtherMonthDay" align="center">3</td><td class="CalOtherMonthDay" align="center">4</td></tr><tr><td class="CalOtherMonthDay" align="center">5</td><td class="CalOtherMonthDay" align="center">6</td><td class="CalOtherMonthDay" align="center">7</td><td class="CalOtherMonthDay" align="center">8</td><td class="CalOtherMonthDay" align="center">9</td><td class="CalOtherMonthDay" align="center">10</td><td class="CalOtherMonthDay" align="center">11</td></tr>

		<div id="leftcontentcontainer">
			<div id="blog-sidecolumn"><div id="sidebar_search" class="sidebar-block">
    qq_32790593
    关注
    专栏目录
    MATLAB 图像 SNR计算
    01-21
    MATLAB编写的图像 SNR信噪比计算，m文件，输入图片参数可以直接运行
    图像的峰值信噪比（PSNR）的…
    SUNJDL的博客
    08-28 6872
    原文地址：图像的峰值信噪比（PSNR）的计算方法作者：zhangdalei 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，MAXI是表示图像点颜色的最大数值，如果每个采样点用 8 位表示，那么就是 255。 下图用具体的例子演
    常用图像评价指标以及代码 ：PSNR、SSIM、 LPIPS
    最新发布
    2301_81845359的博客
    09-07 1210
    常用图像评价指标以及代码
    图像SNR、PSNR与MSE计算
    03-12
    MATLAB计算两张图像的SNR\PSNR和MSE三个值。
    图像的 SNR 和 PSNR 的计算
    游泳的鱼的专栏
    08-25 1万+
    https://www.cnblogs.com/qrlozte/p/5340216.html
    弱小目标检测领域下图像的信噪比（SNR）计算方法
    持久决心的博客
    04-16 8382
    前言 在做目标检测相关工作时，我们都知道弱小目标很难检测。目标的“弱”和“小”分别代表两个不同属性，“弱”代表的是目标在图像的灰度大小，其可以用局部信噪比来描述目标信号的强弱；“小”代表的是目标的尺度大小，即在图像中代表的是目标所占的像元大小 。国际光学工程学会定义弱小目标局部信噪比小于 5dB，图像中的像素大小小于等于 9×9，其所占一帧图像大小为 256×256 的 0.12% 。 显然，目标...
    使用指标评估去噪算法的性能：MSE、MAE、SNR、PSNR 和互相关：此代码计算指标 MSE、MAE、SNR、PSNR 和互相关系数。-matlab开发
    06-01
    例如，对于心电图、脑电图或音频信号，通过计算MSE、MAE、SNR、PSNR和互相关系数，可以选择最优的去噪方法。提供的演示脚本可以帮助用户理解和应用这些功能，以便在实际项目中实现更高效的信号处理。 总之，选择...
    图像量化及MSE/SNR/PSNR计算Matlab代码
    12-08
    图像处理中的量化方法以及MSE/SNR/PSNR误差计算，采用了Level=16和Level=8两种量化方式。
    数字图形处理 验证均值滤波和中值滤波效果，并通过SNR\PSNR\SSIM三个参数对比
    04-13
    自己选择标准图像，对比验证均值和中值滤波的效果，通过SNR\PSNR\SSIM三个参数以图表形式给出对比结果。
    CMOS图像传感器——SNR计算
    沧海一升的博客
    08-26 2734
    图像SNR计算
    计算图像编解码后PSNR值的代码
    12-13
    计算图像编解码后PSNR值的代码 输入编码前后的图像 输出计算后的PSNR值
    snr 信噪比 图像对比 图像相似 matlab
    04-13
    snr 信噪比 图像对比 图像相似 matlab
    计算均方误差MSE信噪比SNR峰值信噪比PSNR绝对平均误差的matlab函数
    09-25
    计算均方误差MSE信噪比SNR峰值信噪比PSNR绝对平均误差的matlab函数 计算均方误差MSE信噪比SNR峰值信噪比PSNR绝对平均误差的matlab函数
    SNR、PSNR、MSE
    iuvgood
    09-23 9494
    SNR：信噪比 PSNR (dB): 峰值信噪比 RMSE（Root Mean Square Error）均方根误差 衡量观测值与真实值之间的偏差。 常用来作为机器学习模型预测结果衡量的标准。 MSE（Mean Square Error）均方误差 MSE是真实值与预测值的差值的平方然后求和平均。 通过平方的形式便于求导，所以常被用作线性回归的损失函数。 MAE...
    图像质量评估指标：SNR、PSNR、MSE和SSIM
    热门推荐
    一起加油~
    06-14 1万+
    介绍四种图像噪声的评估指标：信噪比SNR、峰值信噪比PSNR、均方误差MSE和结构相似性SSIM。
    PSNR与SNR概念
    邵立智的博客
    10-08 7289
    借鉴：https://www.cnblogs.com/qrlozte/p/5340216.html  
    PSNR的计算
    小海的专栏
    03-29 1799
    /* 程序说明： 计算两幅图像的SNR值，两幅图像需要位于项目的根目录下面，输入文件名 加后缀名 2015年3月27日 by sea */ #include #include #include #include #include //#define INPUT1 "C:\\Use
    【图像去噪】小波变换图像去噪（MSE和SNR）【含Matlab源码 2192期】
    Matlab武动乾坤的博客
    01-16 1239
    小波变换图像去噪（MSE和SNR） 完整的代码，方可运行；可提供运行操作视频！适合小白！
    如何得到图像的SNR 和 PSNR 且如何对图像的SNR 和 PSNR进行评判
    05-17
    SNR（Signal-to-Noise Ratio）和PSNR（Peak Signal-to-Noise Ratio）都是评价图像质量的指标，其中SNR是一种相对较简单的指标，而PSNR则更为广泛地应用于数字图像的质量评价。 要计算图像的SNR，需要先选取一段区域作为信号区域，另外选取一段区域作为噪声区域。然后，计算信号区域的平均灰度值和噪声区域的标准差，最后使用下式计算SNR： SNR=10*log10(信号区域的平均灰度值^2 / 噪声区域的标准差^2) 要计算图像的PSNR，需要先将原始图像与处理后的图像之间的差异转换为均方误差（MSE）。然后，使用下式计算PSNR： PSNR=10*log10(255^2/MSE) 其中，255是8位图像的最大像素值。在进行图像质量评价时，一般认为，SNR或PSNR的值越高，图像的质量就越好。一般来说，当SNR或PSNR的值大于30dB时，图像质量可以被视为比较好的。
    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