批量比较图像的PSNR和SSIM（Python和Matlab两种方法）

为了使用方便，可以将原代码文件和两个图片文件夹均存放在一个目录之中。

1.使用Python将图像转换为灰度图像对比PSNR和SSIM

     注意事项：（1）使用前先在环境中安装需要的包；

                       （2）本段代码先将RGB图像转换为灰度图像，忽略了色彩等信息，

                                请根据个人需求选取合适的方法。

import cv2
import os
import numpy as np
from skimage.metrics import structural_similarity as ssim
from skimage.metrics import peak_signal_noise_ratio as psnr

# 读取两个文件夹中的图片
folder1 = "ground_truth"   #这里替换成你的文件夹路径
folder2 = "fake"           #这里替换成你的文件夹路径

files1 = os.listdir(folder1)
files2 = os.listdir(folder2)

psnr_values = []
ssim_values = []

for idx, (file1, file2) in enumerate(zip(files1, files2), start=1):
    img1 = cv2.imread(os.path.join(folder1, file1))
    img2 = cv2.imread(os.path.join(folder2, file2))

    # 转换为灰度图像
    gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
    gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

    # 计算 PSNR
    psnr_val = psnr(gray1, gray2)
    psnr_values.append(psnr_val)

    # 计算 SSIM
    ssim_val, _ = ssim(gray1, gray2, full=True)
    ssim_values.append(ssim_val)

    print(f"Processing pair {idx}: {file1} and {file2}")

# 计算平均值
avg_psnr = np.mean(psnr_values)
avg_ssim = np.mean(ssim_values)

print(f"Average PSNR: {avg_psnr}, Average SSIM: {avg_ssim}")

2.使用Python直接对比彩色RGB图像的PSNR和SSIM

     注意事项：（1）使用前先在环境中安装需要的包；

                       （2）本段代码适用于对比彩色图像的PSNR和SSIM，与灰度图像的计算结果

                                会有些许出入，但是差异不算大；

                       （3）本段python代码计算彩色RGB图像的PSNR和SSIM结果与基于Matlab的

                               结果基本一致，差异可以小到忽略不计；

                       （4）和基于Matlab的方法相比，使用Python代码计算速度会更快。

import cv2
import os
import numpy as np
from skimage.metrics import structural_similarity as ssim
from skimage.metrics import peak_signal_noise_ratio as psnr

# 读取两个文件夹中的图片
folder1 = "ground_truth2"
folder2 = "fake2"

files1 = os.listdir(folder1)
files2 = os.listdir(folder2)

psnr_values = []
ssim_values = []

for idx, (file1, file2) in enumerate(zip(files1, files2), start=1):
    img1 = cv2.imread(os.path.join(folder1, file1))
    img2 = cv2.imread(os.path.join(folder2, file2))

    win_size = 3   #win_size可以是3,5,7。如果你使用win_size=7出现报错，可以替换为5或3，直到没 
                   #有报错为止

    # 计算 PSNR
    psnr_val = psnr(img1, img2)
    psnr_values.append(psnr_val)

    # 计算 SSIM
    ssim_val, _ = ssim(img1, img2, multichannel=True, full=True, win_size=win_size)
    ssim_values.append(ssim_val)

    print(f"Processing pair {idx}: {file1} and {file2}")

# 计算平均值
avg_psnr = np.mean(psnr_values)
avg_ssim = np.mean(ssim_values)

print(f"Average PSNR: {avg_psnr}, Average SSIM: {avg_ssim}")

3.使用Matlab直接对比彩色RGB图像的PSNR和SSIM

     注意事项：（1）本方法的计算过程略耗时；

                       （2）计算结果与使用Pyhton的方法的结果几乎一致。

% 原图文件夹路径
originalFolder = 'ground_truth';

% 处理后图片文件夹路径
processedFolder = 'fake';

% 获取原图文件夹中的所有图片文件名
originalFiles = dir(fullfile(originalFolder, '*.png')); % 假设图片格式为PNG，可以根据自己的 
                                                        %需要替换为jpg等格式

% 初始化PSNR和SSIM的总和
%psnrSum = 0;
ssimSum = 0;

% 遍历原图文件夹中的每个图片
for i = 1:length(originalFiles)
    % 构建原图和处理后图片的完整文件路径
    originalFilePath = fullfile(originalFolder, originalFiles(i).name);
    processedFilePath = fullfile(processedFolder, originalFiles(i).name);
    
    % 读取原图和处理后图片
    originalImage = imread(originalFilePath);
    processedImage = imread(processedFilePath);
    
    % 计算PSNR
    psnrValue = psnr(processedImage, originalImage);
    
    % 计算SSIM
    %[~, ssimValue] = ssim(processedImage, originalImage);
    ssimValue = ssim(processedImage, originalImage);
    
    % 累加PSNR和SSIM的值
    psnrSum = psnrSum + psnrValue;
    ssimSum = ssimSum + ssimValue;
    
    fprintf('Processed image pair: %d/%d\n', i, length(originalFiles));
end

% 计算平均PSNR和SSIM
averagePSNR = psnrSum / length(originalFiles);
averageSSIM = ssimSum / length(originalFiles);

% 显示平均PSNR和SSIM值
fprintf('Average PSNR: %.2f dB\n', averagePSNR);
fprintf('Average SSIM: %.4f\n', averageSSIM);