SRCNN中的PSNR计算问题

最近用pytorch训练了一个SRCNN模型，然后在跟原始论文(Learning a Deep Convolutional Network for Image Super-Resolution)中的数据比较的时候，发现差别很大。

比如说使用Set5数据集中的baby这张图片，使用Bicubic先缩小两倍，然后再放大两倍，论文里面得到的PSNR是37.07 dB。这跟我用python版本实现得出来的结果差别很大。我使用torchvision.transforms中的Resize方法只得到了35.7453 dB。就算改成Image.LANCZOS也才达到36.6008 dB，距离37.07 dB 还是有差距。
期间我尝试了其他python库的Resize算法，比如cv2的Resize和PIL的Resize。但是都达不到37.07 dB。有趣的是，使用不同库的Resize方法的出来的结果都不一样。在排除了计算PSNR出错的可能后，我把原因定位在了Resize算法上面。
因为论文配套代码是用MatLab实现的，于是猜测可能跟MatLab里面的Resize有关。但是MatLab是商业软件，没法测啊！于是又开始在网上找MatLab的替代软件。还真找到了Octave。
一顿操作猛如虎，立马下载安装，写代码。期间还遇到了Image包装不上，各种卡死，没办法只好手动拷贝。当我看到打印出来的PSNR是37开头的时候，我一惊，真是皇天不负有心人啊!卡了我两天的问题终于找到原因了。虽然后来又发现用Octave自带的PSNR计算出来的居然高达37.157 dB,而我用python计算出来的是37.048 dB，但是基本上和论文中的数据差不多了。
感叹一下，以前不知道，现在才发现MatLab原来也挺强大的。怪不得学术圈都用这个，如果突然被禁了，也挺难受的吧。虽然有替代的Octave可以用，但是体验真的不好，各种卡死。有时间再继续研究一下他们的Resize算法是怎么实现的吧。