python 计算PSNR

最新推荐文章于 2024-07-19 19:08:28 发布

阿委困的不能行

最新推荐文章于 2024-07-19 19:08:28 发布

阅读量1.9k

点赞数 1

原文链接：https://blog.csdn.net/u010886794/article/details/84784453

版权

原文链接：https://blog.csdn.net/u010886794/article/details/84784453

一.公式计算

峰值信噪比（Peak Signal to Noise Ratio，PSNR）经常用来评价图像质量。对于一张RGB三通道图像，其计算公式如下：

先计算图像与Ground Truth的均方误差MSE：

$MSE=\frac{1}{mnc}\sum_{0}^{m-1}\sum_{0}^{n-1}\sum_{0}^{c-1}= \left \| I(m,n,c)-gt(m,n,c) \right \|^{2}$

再计算PSNR:

$PSNR=10\cdot log10(\frac{MAX_{I}^{2}}{MSE})=20\cdot log10(\frac{MAX_{I}}{\sqrt{MSE}})$

计算PSNR的Python代码，网上有下面两种：


 
 
   
   
    
    
   
   
   
   
    
    
     
     import cv2
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     import numpy 
     
     as np
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     import math
    
    
   
   

   
   
    
    
   
   
   
   
    
     
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     def psnr1(img1, img2):
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
        mse = np.mean((img1 - img2) ** 
     
     2 )
    
    
   
   

   
   
    
    
   
   
   
   
    
       
     
     if mse < 
     
     1.0e-10:
    
    
   
   

   
   
    
    
   
   
   
   
    
          
     
     return 
     
     100
    
    
   
   

   
   
    
    
   
   
   
   
    
       
     
     return 
     
     10 * math.log10(
     
     255.0**
     
     2/mse)
    
    
   
   

   
   
    
    
   
   
   
   
    
     
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     def psnr2(img1, img2):
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
        mse = np.mean( (img1/
     
     255. - img2/
     
     255.) ** 
     
     2 )
    
    
   
   

   
   
    
    
   
   
   
   
    
       
     
     if mse < 
     
     1.0e-10:
    
    
   
   

   
   
    
    
   
   
   
   
    
          
     
     return 
     
     100
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
        PIXEL_MAX = 
     
     1
    
    
   
   

   
   
    
    
   
   
   
   
    
       
     
     return 
     
     20 * math.log10(PIXEL_MAX / math.sqrt(mse))

理论上，这两种计算方式都对应上面的计算公式，在输入图像一样的情况下，这两段代码的结果应该是一样的。但是，在调用这段代码的时候，我发现这两者的结果却相差很远，同样的图片，psnr1的结果大概是29，而psnr2的结果是12。


 
 
   
   
    
    
   
   
   
   
    
    
     
     gt = cv2.imread(
     
     '1.jpg')
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     img= cv2.imread(
     
     '2.jpg')
    
    
   
   

   
   
    
    
   
   
   
   
    
     
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     print(psnr1(gt,img))
    
    
   
   

   
   
    
    
   
   
   
   
    
    
     
     print(psnr2(gt,img))

这是输出的结果：

单看代码的话完全看不出来任何问题，后来我输出了这两张图像作差的结果，发现所有的值都是在0-255之间的，比如img1的一个像素值是30，img2的一个像素值是60，二者作差，本来应该是-30，但是结果却是226，即对于负值，输出要加上256。所以，问题就出在这行代码上：

mse = np.mean((img1 - img2) ** 2 )

如果img1某个点的像素比img2小，而两者差别又比较大，这个绝对值比较大的负值就会变成一个比较小的正值，MSE的结果也会偏小，那么PSNR的值就会偏大。

只要把上面那行代码改成mse = np.mean((img1/1.0 - img2/1.0) ** 2 )就可以了。

最后，我们发现这两个结果是一样的了。

二.内置函数

import skimage.color as sc
import skimage
from skimage import measure

 class PSNRMetric(BaseMetric):
        def __init__(self):
            self.name = 'psnr'

        def evaluate(self, gt, pr):
            gt = self.image_preprocess(gt)
            pr = self.image_preprocess(pr)
            return skimage.measure.compare_psnr(gt, pr, data_range=255) 
            ''' 上面的函数为计算PSNR的内置方法'''