有参考图像的图像质量评估方法及代码（PSNR,SSIM,RMSE,NRMSE,ENTROPY）

1.峰值信噪比PSNR

• PSNR（Peak Signal to Noise Ratio），峰值信噪比，即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），由于 MSE 为真实图像与含噪图像之差的能量均值，而两者的差即为噪声，因此 PSNR 即峰值信号能量与 MSE
  之比。

2.结构相似性SSIM

• 作为结构相似性理论的实现，结构相似度指数从图像组成的角度将结构信息定义为独立于亮度、对比度的，反映场景中物体结构的属性，并将失真建模为亮度、对比度和结构三个不同因素的组合。用均值作为亮度的估计，标准差作为对比度的估计，协方差作为结构相似程度的度量。
  
  
  

3.均方差RMSE

• 均方误差(Mean Square Error)反映的是变量间的差异程度，是一种基于像素误差的图像质量客观评价指标，用于衡量融合图像和理想参考图像之间的差异，MSE越小，表示融合图像质量越好。
  
• 均方根误差(Root Mean Square Error)是一个翻译空间细节信息的评价指标

4.归一化均方根误差 NRMSE

• 归一化均方根误差（normalized root mean square error）就是将RMSE的值变成(0,1)之间。

5.信息熵ENTROPY

import numpy as np
import math
import cv2
import os
from skimage.measure import compare_ssim
import skimage.measure
# 峰值信噪比
def psnr(target, ref):
	#将图像格式转为float64
    target_data = np.array(target, dtype=np.float64)
    ref_data = np.array(ref,dtype=np.float64)
    # 直接相减，求差值
    diff = ref_data - target_data
    # 按第三个通道顺序把三维矩阵拉平
    diff = diff.flatten('C'