【深度思考】为什么评价指标PSNR、SSIM和论文中的不一样？一文搞清超分辨率主流benchmarks测试集Set5等的PSNR、SSIM的计算方式以及python与matlab的imresize差别

第一次来请先看这篇文章：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）

---

前言

一些缩写说明：

• LR：模型输入input，低分辨率图像
• HR：模型标签label/target，高分辨率图像，也即GT（ground-truth）
• SR：LR经过模型超分后的结果，即super-resolution result。
• benchmarks：一套标准，包括算法、数据集以及相关内容，本文我们将其指代为基于数据集，超分中常见的benchmarks为Set5、Set14、BSD100、URBAN100、MANGA109等。
• PSNR：评价模型性能的指标 —— 峰值信噪比，作用在两张图像之间（HR和SR），越大说明模型性能越好，值一般在20-40左右。
• SSIM：评价模型性能的指标 —— 结构相似性，作用在两张图像之间（HR和SR），越大说明模型性能越好，取值范围在0-1之间。
• Bicubic：双三次插值，一般作为不同算法之间比较评价指标的baseline。

新手普及向文章