PSNR SSIM
时间: 2025-05-08 10:13:54 浏览: 24
### Peak Signal to Noise Ratio (PSNR) and Structural Similarity Index Measure (SSIM)
#### PSNR 的定义及其应用领域
Peak Signal-to-Noise Ratio (PSNR) 是一种广泛应用于信号处理和图像压缩中的质量评估指标。它通过比较原始无损图像与经过某种处理后的有损图像之间的差异来衡量图像的质量。具体来说,PSNR 表示的是峰值信噪比,数值越高表示失真越小,即图像质量越好[^1]。
对于大小为 \( m \times n \) 的干净图像 \( I \) 和含噪声的图像 \( K \),均方误差 (Mean Squared Error, MSE) 可以被用来计算两者的差异程度:
\[
MSE = \frac{1}{mn} \sum_{i=0}^{m-1} \sum_{j=0}^{n-1} [I(i,j) - K(i,j)]^2
\]
基于此,PSNR 被定义如下,其中 \( MAX_I \) 代表像素的最大可能值(例如,在8位灰度图中通常为255):
\[
PSNR = 10 \cdot \log_{10}\left(\frac{{MAX_I}^2}{MSE}\right)
\]
这是用于量化重建图像相对于原图像质量的一个重要标准[^3]。
#### SSIM 的概念及特点
Structural Similarity Index Measure (SSIM) 则是从另一个角度出发的一种更贴近人类视觉系统的图像质量评价方法。相比于仅仅依赖于像素间差别的传统方法如 MSE 或者 PSNR,SSIM 更加注重保持图像的整体结构信息的一致性。其核心思想在于认为两个相同或者相似区域应该具有类似的亮度(luminance), 对比度(contrast)以及结构(structure)[^4]。
在实践中,为了提高效率并更好地模拟人眼观察方式,往往采用局部滑动窗口技术逐块计算每一块的小范围内的 SSIM 值然后再综合得出整个图片上的最终得分[^4]。
以下是 Python 中实现这两个函数的方式:
```python
from skimage.metrics import structural_similarity as ssim
from skimage.metrics import peak_signal_noise_ratio as psnr
# Example usage of the functions with two images img1 and img2
score_ssim = ssim(img1, img2, data_range=img2.max() - img2.min(), multichannel=True)
score_psnr = psnr(img1, img2)
```
阅读全文
相关推荐

















