图像质量评估指标——PSNR介绍及计算方法

图像质量评估指标——PSNR介绍及计算方法

  PSNR全称为Peak Signal to Noise Ratio，即峰值信噪比，是一种评价图像的客观标准，经常用于计算两幅图像的可视化误差，如衡量原图与经过压缩后图像之间的可视化差异、生成网络生成的图像与真实图像之间的差异等等。

计算方法

  假设处理后图像为$I$、真实图像为$K$，则峰值噪声比定义为：
$$PSNR=10\cdot {\log }_{10}(\frac{MA{X}^2}{MSE})=20\cdot {\log }_{10}(\frac{MAX}{\sqrt{MSE}})$$
其中，$MAX$表示图像上像素点的最大数值，常定义为$1$或者$255$，$MSE$定义为：
$$MSE=\frac{1}{mn}\sum _{i=0}^{m-1}\sum _{j=0}^{n-1}||I(i,j)-K(i,j)|{|}^2$$

代码实现

• 参考论文《Spatial Attentive Single-Image Deraining with a High Quality Real Rain Dataset》的源码：https://github.com/stevewongv/SPANet

# 这里以生成网络中测试模型性能为例，所以pred与gt均是tensor格式
# 并且在模型训练过程中，图像数据均被归一化至0到1之间，因此max默认1.0
def psnr(pred, gt, max=1.0):
    # 需要先切断梯度，将数据转为numpy格式进行计算
    pred = pred.clamp(0, max).cpu().detach().numpy()
    gt = gt.clamp(0, max).cpu().detach().numpy()
    # 两个图像数值做差，之后求根下MSE
    imdff = pred - gt
    rmse = math.sqrt(np.mean(imdff ** 2))
    # 如果像素完全相同，即rmse为0，则PSNR直接返回100，防止后续计算log时报错
    if rmse == 0:
        return 100
    # 按公式计算
    return 20 * math.log10(max / rmse)

直接调用skimage库中的函数

from skimage.metrics import peak_signal_noise_ratio


# 这里data_range表示图像像素的最大值，即公式中的MAX
# 如果不传入data_range，则程序默认选择image_true中最大的像素值
# 或者最大值减最小值(如果像素点存在负数情况)，具体可见源码
psnr = peak_signal_noise_ratio(image_true, image_test, data_range=None)

skimage中计算PSNR的源码

def peak_signal_noise_ratio(image_true, image_test, *, data_range=None):
    """
    Compute the peak signal to noise ratio (PSNR) for an image.

    Parameters
    ----------
    image_true : ndarray
        Ground-truth image, same shape as im_test.
    image_test : ndarray
        Test image.
    data_range : int, optional
        The data range of the input image (distance between minimum and
        maximum possible values).  By default, this is estimated from the image
        data-type.

    Returns
    -------
    psnr : float
        The PSNR metric.

    Notes
    -----
    .. versionchanged:: 0.16
        This function was renamed from ``skimage.measure.compare_psnr`` to
        ``skimage.metrics.peak_signal_noise_ratio``.

    References
    ----------
    .. [1] https://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio

    """
    check_shape_equality(image_true, image_test)
	# 如果不指定data_range的话，则默认取image_true中的最大值，或者最大值减最小值
    if data_range is None:
        if image_true.dtype != image_test.dtype:
            warn("Inputs have mismatched dtype.  Setting data_range based on "
                 "image_true.")
        dmin, dmax = dtype_range[image_true.dtype.type]
        true_min, true_max = np.min(image_true), np.max(image_true)
        if true_max > dmax or true_min < dmin:
            raise ValueError(
                "image_true has intensity values outside the range expected "
                "for its data type. Please manually specify the data_range.")
        if true_min >= 0:
            # most common case (255 for uint8, 1 for float)
            data_range = dmax
        else:
            data_range = dmax - dmin
	# 将数据转变为float类型
    image_true, image_test = _as_floats(image_true, image_test)
	# 计算MSE
    err = mean_squared_error(image_true, image_test)
    # 进一步计算PSNR
    return 10 * np.log10((data_range ** 2) / err)

以上仅是笔者个人见解，若有问题，欢迎指正。