图像修复算法常用评估指标介绍及Python代码（PSNR/SSIM/FID）

已于 2024-12-04 09:51:21 修改
阅读量1.3k 收藏 9
点赞数 17
文章标签： 算法 图像处理 人工智能 计算机视觉
于 2024-12-04 09:31:05 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zly19980718/article/details/144228416
版权

目录

峰值信噪比PSNR（Peak Signal-to-Noise Ratio）

结构相似度SSlM（Structural Similarity Index Measurement）

FID（Fréchet Inception Distance）

代码实践：计算两张图片之间的PSNR和SSIM

代码实践：计算两个文件夹图片之间的PSNR和SSIM

基于Python计算两张图片/两个文件夹图片之间的PSNR和SSIM参考另一篇博客：IQA-PyTorch快速使用教程

峰值信噪比PSNR（Peak Signal-to-Noise Ratio）

PSNR是最常用的图像质量评价指标之一。它衡量修复图像与原始图像之间的均方根误差，并将其转化为分贝单位。PSNR值越高，表示修复图像与原始图像越接近。PSNR的单位为dB。

PSNR的计算公式如下：

式中：MAX_{J}^{2}_{}^{}为图像可取到的最大像素值，MSE为修复图像和对应真实图像的均方误差。

结构相似度SSlM（Structural Similarity Index Measurement）

SSIM是另一个衡量图像质量的指标，它考虑了亮度、对比度和结构信息之间的相似性。SSIM的值在-1到1之间，越接近1表示修复图像与原始图像越相似。

SSIM基于滑动窗口实现计算，即每次计算时从图片上取一个尺寸为N×N的窗口，基于窗口计算SSIM的值，遍历整张图像后再对所有窗口的值取平均，得出整张图像的SSIM值。

SSIM的计算公式如下：

最低0.47元/天 解锁文章
(python)计算图像峰值信噪比-PSNR、结构相似度-SSIM
hsdujdjrjrj的博客
11-15 6213
【代码】(python)计算图像峰值信噪比-PSNR、结构相似度-SSIM（包含计算YCbCr格式图片的PSNR）。
【图像去噪】基础知识之量化评估指标 | 图像去噪任务量化评价指标介绍，包括PSNR、SSIM、NIQE、LPIPS
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
02-26 468
本文将介绍量化评价指标、代码实现、使用方法，包括PSNR、SSIM、NIQE、LPIPS。PSNR和SSIM计算使用BasicSR或将函数单拿出来使用，使用标准库肯定没问题，尽量不要使用skimage计算，有误差（去噪还好点，超分的误差很大）。BasicSR中还有FID的实现，感兴趣的同学可以自己看。主要是PSNR和SSIM的计算，一定要会，使用NIQE和LPIPS评估结果的去噪算法很少。
图像修复评价指标.zip
07-01
课题是深度学习图像修复的评价指标，包括L1 error，PSNR，SSIM，FID，使用方法在压缩包里已经注明了，编程语言是python
图像回归评价的常用指标
最新发布
qq_51990574的博客
03-20 1046
本文介绍了常用的回归误差图像评价指标，包括常用的MAE,PSNR,RMSE等等。
【图像评价指标以及代码】 PSNR, SSIM, FID,NMSE讲解以及代码
aaatomaaa的博客
09-24 6519
图像评价指标以及代码。PSNR SSIM FID NMSE
图像修复指标介绍
xy7979的博客
06-16 793
结构保真度：SSIM考虑了图像的亮度、对比度和结构，相比其他指标，它能更好地反映修复后的图像是否保持了原始图像的结构信息。较小的MSE值表示每个像素点的修复误差较小，图像的亮度和颜色信息恢复较好。对于隐藏目标的修复，较小的MSE值表示目标的颜色和亮度信息恢复得更好。SSIM评价：计算修复后的图像与原始图像之间的SSIM值。噪声评估：PSNR高表示修复后的图像与原始图像的差异较小，即噪声较低。视觉感知：由于SSIM更符合人眼的视觉感知，它能更准确地反映修复后的图像质量，这对于遥感图像的分析和解译非常重要。
SSIM和PSNR的python代码
09-02
SSIM和PSNR的python实现代码，可用于计算图片之间的差异，直接运行即可，有任何问题可以评论提出
PSNR的python代码
breezero的博客
09-01 9739
flatten()可以将二维的array展成一维的   a.flatten(order=’C’)  Return a copy of the array collapsed into one dimension.  order = 'C' means to flatten in row-major (C-style) order.  order = 'F' means to flatten i...
深度学习图像修复算法PD-GAN模型复现问题，如何解决？
**My Coding Family**
01-14 736
🏆本文收录于专栏，主要记录项目实战过程中所遇到的Bug或因后果及提供真实有效的解决方案，希望能够助你一臂之力，帮你早日登顶实现财富自由🚀；同时，欢迎大家！持续更新中，up！up！up！！
深度学习图像修复评价指标全解析
这些评价指标用于衡量图像修复算法的效果，包括L1 error、PSNR、SSIM和FID等。文档中说明了如何使用这些评价指标，以及相关Python代码的使用方法。以下将详细介绍这些评价指标的定义、计算方法以及它们在图像修复中...
PSNR-峰值信噪比（原理及python代码实现）
qq_40272052的博客
07-12 2681
PSNR的全称为“Peak Signal-to-Noise Ratio”，直译为中文就是峰值信噪比。 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。 解释 峰值信噪比 （Peak signal-to-noise ratio，常缩写为PSNR） 是一个表示信号最大可能功率和影响它的表示精度的破坏性噪声功率的比值的工程术语。由于许多信号...
【最新最近】详细介绍图像修复评价指标MaPSNR、DISTS、FQeIQA、L0SSIM、LPIPSvgg、FID
qq_45790998的博客
03-09 6292
近五年最新的图像修复评价指标MaPSNR、DISTS、FQeIQA、L0SSIM、LPIPSvgg、FID 包含计算公式、文章出处、详细介绍
python计算psnr
YoungHong1992
03-21 474
【代码】python计算psnr。
python计算PSNR
茶佬牛逼
02-28 1683
将两张图都转成float64进行计算，且归一化到0~1，防止精度丢失 import numpy as np def getpsnr(img1,bitdepth1,img2,bitdepth2): img1 = np.float64(img1) / (2**bitdepth1-1) img2 = np.float64(img2) / (2**bitdepth2-1) ...
Python计算PSNR（图像峰值信噪比）
weixin_40210307的博客
05-15 1万+
图像信噪比是用于评估图像超分结果的指标。 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)) ...
用python实现PSNR与SSIM
一舫的博客
09-23 2713
import math import numpy as np from PIL import Image from scipy.signal import convolve2d # target:目标图像 ref:参考图像 def PSNR(target, ref): target = np.array(target, dtype=np.float32) ref = np.array(ref, dtype=np.float32) if target.shape != r.
Python计算两张图的PSNR值
热门推荐
weixin_43981621的博客
12-21 1万+
Python计算两张图的PSNR值     本文主要记录如何用python实现求解两张图的PSNR值。 目录Python计算两张图的PSNR值1.PSNR求解公式2.完整的PSNR求解代码3.运算结果展示4.参考文献 1.PSNR求解公式     （1）对于三通道的RGB图像 计算MSE的数学表达式是：     具体的代码为： # compute MSE mse = np.mean((img1/1.0-img2/1.0)**2)     （2）得到MSE后计算PSNR，具体数学表达式为：     具体
图像质量评估——PSNR：峰值信噪比和SSIM：结构相似性（纯手撸代码）
qq_40280673的博客
11-08 5872
PSNR（峰值信噪比）和SSIM（结构相似性）是两种广泛用于图像质量评估的测量工具
使用Python评估图像质量的峰值信噪比（PSNR）算法
2301_79366177的博客
09-13 1022
在上述代码中，我们首先将输入的原始图像和压缩后的图像转换为浮点数类型，以避免数据溢出。然后，我们计算两个图像之间的均方误差（MSE），通过将两个图像逐元素相减，然后求平方，取平均值得到。它通过计算图像的均方误差（MSE）来量化图像之间的差异，并将结果转换为以dB为单位的对数尺度。通过计算两个图像之间的均方误差，并将结果转换为以dB为单位的对数尺度，我们可以量化图像之间的质量差异。现在，我们可以加载原始图像和压缩后的图像，并调用calculate_psnr函数来计算它们之间的PSNR。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值