边缘检测算子性能评价Matlab实现之——MSE,PSNR,FOM（品质因数）

 利用各种梯度算子，Roberts,Sobel,Canny等算子对灰度图像计算梯度，然后对梯度图像进行性能评价，有很多指标，本博客主要介绍一下MSE,PSNR,FOM的实现，具体原理就不解释了，直接放代码吧

一丶计算MSE和PSNR

Compute_MSE_PSNR.m

function [PSNR, MSE] = Compute_MSE_PSNR(Ref_img, goal_img)%输入图像为参考图像和要计算MSE和PSNR的图像，输出为PSNR和MSE
Ref_img=double(Ref_img);
goal_img=double(goal_img);
if nargin<2
    Ref_img=goal_img;
else
    if any(size(Ref_img)~=size(goal_img))%判断两个图像的大小是否相同
        error('The input size is not equal to each other!');%如果不同 报错“俩图像大小不同”
    end
     img_diff = Ref_img-goal_img;%两个图像转换为double类型做差分，相减
end
%
MSE=sum(img_diff(:).^2)/numel(goal_img);%numel函数结果即为图像长*宽  也就是像素总数
PSNR=10*log10(255^2/MSE);

二丶计算FOM

ComputeFOM.m

FOM的原理可参考这篇论文，下载链接：

https://download.csdn.net/my

function fom = ComputeFOM(Ref_img,goal_img)
a=1/9;%公式中比例常数
edgeNum_Ref=length(find(Ref_img));%理想图像或者参考图像的边缘点数量
edgeNum_goal=length(find(goal_img));%目标图像的边缘点数量

MaxEdgeNum=max(edgeNum_Ref,edgeNum_goal);%计算两图像中边缘点数量多的图像的数量

[row_Ref,col_Ref]=find(Ref_img);%获取图像中不为0的点的坐标，也就是边缘点的坐标
[row_goal,col_goal]=find(goal_img);

rowNum_Ref=size(Ref_img,1);%参考图像的行和列的数量
colNum_Ref=size(Ref_img,2);

d=sqrt(rowNum_Ref^2+colNum_Ref^2)*ones(1,length(find(Ref_img)));%图像的对角线像素数*（1，参考图像边缘点的数量）大小的全为1的矩阵，结果应该是值全为对角线值
dd=zeros(1,length(find(goal_img)));%创建一个（1，目标图像边缘点数量）大小的全为1的矩阵

for i=1:length(find(goal_img))
    for j=1:length(find(Ref_img))
        d(j)=(row_goal(i)-row_Ref(j))^2+(col_goal(i)-col_Ref(j))^2;%理想边缘点最近欧式距离d的平方值即为所求
    end
    dd(i)=min(d);
end
fom = sum(9./(9+dd))/MaxEdgeNum;