PSNR-峰值信噪比

PSNR的全称为“Peak Signal-to-Noise Ratio”，直译为中文就是峰值信噪比。

文章目录

前言

一、PSNR的公式

二、结果评估

三、代码实现

1.引入库

2.定义函数

3.执行

总结

---

前言

PSNR是一种衡量图像质量的指标。在很多领域都会需要这个指标，比如在超分辨率重建图像的时候，PSNR就是很重要的指标了。

---

一、PSNR的公式

计算PSNR要先知道MSE(均方误差)的计算。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，那么它们的的均方误差定义为：

MSE的概念应该是比较熟悉的，这也是常见的损失函数。而PSNR就是通过MSE得出来的，公式如下：

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。

二、结果评估

MSE越小，则PSNR越大；PSNR越大，代表着图像质量越好。

PSNR高于40dB说明图像质量极好（即非常接近原始图像），

在30—40dB通常表示图像质量是好的（即失真可以察觉但可以接受），

在20—30dB说明图像质量差；

最后，PSNR低于20dB图像不可接受

三、代码实现

1.引入库

代码如下：

import tensorflow as tf
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

2.定义函数

代码如下：

def read_img(path):
	return tf.image.decode_image(tf.io.read_file(path))
 
def psnr(tf_img1, tf_img2):
	return tf.image.psnr(tf_img1, tf_img2, max_val=255)

def _main():
	t1 = read_img("C:/Users/jimore/Documents/Tencent Files/3457822025/FileRecv/img/have/1(fixed).jpg")
	t2 = read_img("C:/Users/jimore/Documents/Tencent Files/3457822025/FileRecv/img/have/103.jpg")
	with tf.compat.v1.Session() as sess:
		sess.run(tf.compat.v1.global_variables_initializer())
		y = sess.run(psnr(t1, t2))
		print(y)

3.执行

代码如下：

if __name__ == '__main__':
    _main()

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，希望大家多多支持我^_^。