图像的 SNR 和 PSNR 的计算1

最新推荐文章于 2024-09-23 18:05:50 发布
最新推荐文章于 2024-09-23 18:05:50 发布
阅读量1.2k 收藏 3
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
    基于OpenCV的自动化算法开发：SNR、Gamma、色差、饱和度、曝光误差和白平衡误差的计算机视觉分析
    IpyVariable的博客
    09-17 348
    计算机视觉是一门涉及图像和视频分析的领域，通过使用计算机算法和方法来模拟和自动化人类视觉的过程。本文将介绍如何使用OpenCV库开发自动化算法来计算图像的信噪比（Signal-to-Noise Ratio，SNR）、Gamma值、色差、饱和度、曝光误差和白平衡误差等指标。本文介绍了基于OpenCV的自动化算法开发，用于计算图像的信噪比（SNR）、Gamma值、色差、饱和度、曝光误差和白平衡误差等指标。这些指标可以帮助我们评估图像的质量和特征，为计算机视觉领域的图像分析任务提供重要参考。
    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
    图像的峰值信噪比（PSNR）的…
    SUNJDL的博客
    08-28 6893
    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
    通信系统中信噪比的计算方法
    最新发布
    m0_73019469的博客
    09-23 508
    在通信系统中，信噪比（Signal-to-Noise Ratio, SNR）是衡量信号质量的重要指标之一，它反映了信号在传输过程中受到噪声干扰的程度。信噪比的计算方法通常基于信号功率与噪声功率的比值，并以分贝（dB）为单位进行表示。
    ADC 动态参数分析matlab code的几个问题（span,spanh取值问题，幅度比例因子的添加等）
    qq_38239093的博客
    09-14 2647
    目前内外网自用ADC动态参数计算的matlab程序都是同一套模板的改版，存在共同的问题，迟迟没有得到解决，也困扰了我几天，不过还好，最终搞明白了几点。
    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 9万+
    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。
    图像SNR、PSNR与MSE计算
    03-12
    在图像处理领域，SNR（信噪比）、PSNR（峰值信噪比）和MSE（均方误差）是衡量图像质量的重要指标。这些概念在MATLAB中有着广泛的应用，尤其是在图像比较、压缩和恢复等领域。下面将详细介绍这三个概念以及如何在...
    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。
    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...
    psnr.rar_SNR PSNR_between
    09-23
    4. SNR和PSNR计算模块：基于MSE计算SNR和PSNR值。 5. 结果输出模块：展示两幅图像之间的平均SNR和PSNR值，可能包括图形化展示或其他形式的报告。 标签"snr_psnr between"进一步强调了这个项目的重点在于比较两个....
    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。
    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 8521
    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...
    sensor信噪比和图像信噪比计算方法
    qq_40118921的博客
    03-24 2098
    显然如果只增加模拟增益信噪比应该不变，但是测试时发现计算出来的信噪比会随着模拟增益的变化而变化。（注：这里假设了模拟增益线性放大，如果是非线性放大的话，测试时观察到的现象有可能是正确的）。当然，用这个公式可以判断出几张平均亮度相同的图片的噪声程度，其中噪声大的图片标准差就大，计算出来的信噪比就小。而君正工具计算的信噪比和sensor规格书上列出的信噪比不是同一概念，计算方式也不同。显然，君正工具计算的应该就是单张图片的无参考信噪比。当模拟增益放大10倍后，噪声=12，信号=84，SNR=6。
    图像质量评估指标：SNR、PSNR、MSE和SSIM
    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。
    关于几个图像质量评价参数的计算总结
    pomwhan的博客
    12-04 2361
    图像质量的客观评价参数很多，计算方法多样，这里总结几个常用的测试及实现方法，以便大家测试开发时，参考使用。
    信噪比（Signal-to-Noise Ratio, SNR）详细介绍
    qq_58860480的博客
    07-21 2万+
    信噪比（Signal-to-Noise Ratio，SNR）是衡量信号质量的重要参数，表示有用信号的功率与背景噪声功率的比值。其中，\( P_{\text{signal}} \) 表示信号功率，\( P_{\text{noise}} \) 表示噪声功率。- 音频处理：在音频设备和录音系统中，SNR决定了音质的好坏，高SNR表示音频信号更清晰，噪声更少。- 低SNR：信号中噪声成分较大，接收端难以分辨有用信号和噪声，可能导致误码率高，通信质量差。SNR定义为信号功率与噪声功率之比，通常用分贝（dB）表示。
    信噪比（SNR）计算公式的推导
    jk_101的博客
    03-27 5729
    in是一个斜坡输入信号，由于DAC的输出，结果。设理想ADC转换器内的量化误差为。in是理想ADC的输入信号。in是正弦波，峰值幅度为。的差，也是噪声信号，（转自Xilinx）
    图像处理结果的度量 —— SNR、PSNR、SSIM
    11-02 1万+
    衡量两幅图像的相似度： SNR/PSNR SSIM 1. SNR vs PSNRabout SNR 和 PSNR2. SSIMSSIM（structural similarity index），结构相似性，是一种衡量两幅图像相似度的指标。
    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
    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...
    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