当前位置：首页 > wzjs >正文

网站建设的流程推广方案网站推广服务商

wzjs 2025/8/6 6:54:06

网站建设的流程推广方案,网站推广服务商,平面设计接单多少钱一单,平台型网站制作一、PSNR是什么 1.1 定义与数学公式峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）是数字图像处理领域最经典的客观质量评价指标之一。其核心思想是通过计算原始图像与失真图像之间的均方误差（MSE）来衡量失真程度&am…

一、PSNR是什么

1.1 定义与数学公式

峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）是数字图像处理领域最经典的客观质量评价指标之一。其核心思想是通过计算原始图像与失真图像之间的均方误差（MSE）来衡量失真程度，再通过信号最大功率与噪声功率的比值进行量化评估。

对于大小为 $\times n$ 的灰度图像 $I$ 和 $K$ ，其数学定义如下：

均方误差（MSE）：
$\frac{1}{mn}\sum_{i=0}^{m-1}\sum_{j=0}^{n-1}[I(i,j)-K(i,j)]^2$

PSNR计算式：
$\cdot \log_{10}\left(\frac{MAX_I}{\sqrt{MSE}}\right)$

1.2 物理意义解读

信号功率：以 $MAX_I^2$ 表示，体现图像的动态范围
噪声功率：即MSE，反映像素级误差的累计
对数转换：将线性比例转换为分贝（dB），更符合人类对声光强度的感知特性

二、PSNR的算法实现

如下为python的两种实现方式，并给出可视化显示

import numpy as np
import cv2
import matplotlib.pyplot as plt"""计算两幅RGB图像的PSNR值
参数:img1: 原始图像(numpy数组)img2: 待评估图像(numpy数组)
返回:PSNR值(dB)
"""
def rgb_psnr(img1, img2):# 确保输入是numpy数组img1 = np.array(img1, dtype=np.float64)img2 = np.array(img2, dtype=np.float64)# 计算各通道MSEmse_r = np.mean((img1[:, :, 0] - img2[:, :, 0]) ** 2)mse_g = np.mean((img1[:, :, 1] - img2[:, :, 1]) ** 2)mse_b = np.mean((img1[:, :, 2] - img2[:, :, 2]) ** 2)# 计算平均MSEmse = (mse_r + mse_g + mse_b) / 3# 处理完全相同的图像if mse == 0:return float('inf')return 20 * np.log10(255 / np.sqrt(mse))def psnr(img1, img2):img1 = img1.astype(np.float64)img2 = img2.astype(np.float64)mse = np.mean((img1 - img2) ** 2)if mse == 0:return float('inf')if img1.max() > 1:max_pixel = 255.0else:max_pixel = 1.0return 20 * np.log10(max_pixel / np.sqrt(mse))if __name__ == "__main__":# 1. 读取原始图像original = cv2.imread('../../mario.png')  # BGR格式original = cv2.cvtColor(original, cv2.COLOR_BGR2RGB)  # 转换为RGB# 2. 创建测试图像（添加高斯噪声）noisy = original + np.random.normal(0, 25, original.shape)noisy = np.clip(noisy, 0, 255).astype(np.uint8)# 3. 计算PSNR# psnr_value = rgb_psnr(original, noisy)psnr_value = psnr(original, noisy)print(f"PSNR between original and noisy image: {psnr_value:.2f} dB")# 4. 可视化比较plt.figure(figsize=(12, 6))plt.subplot(1, 2, 1)plt.imshow(original)plt.title('Original Image')plt.axis('off')plt.subplot(1, 2, 2)plt.imshow(noisy)plt.title(f'Noisy Image (PSNR={psnr_value:.2f}dB)')plt.axis('off')plt.tight_layout()plt.show()