PSNR（峰值信噪比）介绍及Python实现

PSNR

1.峰值信噪比

一种评价图像的客观标准
最大值信号和背景噪音之间的关系
对于两个$m\ast n$的单色图像X和Y，其均方误差定义如下:
$$MSE=\frac{1}{mn}\sum _{i=0}^{m-1}\sum _{j=0}^{n-1}(X[i,j]-Y[i,j]{)}^2$$

峰值信噪比定义如下，其中$MA{X}_I$表示图像像素点的最大值：
$$PSNR=10\ast \lg (\frac{MA{X}_I^2}{MSE})$$

2.彩色图像

针对彩色图像，通常用以下三种方法来计算。
1.分别计算 RGB 三个通道的 PSNR，然后取平均值。
2.计算 RGB 三通道的 MSE ，然后再除以 3 。
3.将图片转化为 YCbCr 格式，然后只计算 Y 分量也就是亮度分量的 PSNR。
其中，第二和第三种方法比较常见。本文实现采用了第二种方法。

3.结果分析

一般情况下：
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，
PSNR低于20dB图像不可接受。

PSNR代码实现

本文参考文章
[1] https://blog.csdn.net/leviopku/article/details/84586446
[2] https://www.cnblogs.com/seniusen/p/10012656.html