图像质量评价指标： PSNR 和 SSIM

PSNR: Image quality assessment: from error visibility to structural similarity

SSIM: Image Quality Assessment: From Error Visibility to Structural Similarity

直接上代码：

from tqdm import tqdm
import torch
import os
from torch.utils.data import Dataset
from torch.utils.data import DataLoader
import numpy as np
import cv2
from skimage.metrics import peak_signal_noise_ratio as psnr_loss
from skimage.metrics import structural_similarity as ssim_lossdef is_png_file(filename):return any(filename.endswith(extension) for extension in [".png"])def load_img(filepath):img = cv2.cvtColor(cv2.imread(filepath), cv2.COLOR_BGR2RGB)img = img.astype(np.float32)img = img/255.return imgclass DataLoaderVal(Dataset):def __init__(self, rgb_dir, target_transform=None):super(DataLoaderVal, self).__init__()self.target_transform = target_transformgt_dir = 'input'input_dir = 'groundtruth'clean_files = sorted(os.listdir(os.path.join(rgb_dir, gt_dir)))noisy_files = sorted(os.listdir(os.path.join(rgb_dir, input_dir)))self.clean_filenames = [os.path.join(rgb_dir, gt_dir, x) for x in clean_files if is_png_file(x)]self.noisy_filenames = [os.path.join(rgb_dir, input_dir, x) for x in noisy_files if is_png_file(x)]self.tar_size = len(self.clean_filenames)def __len__(self):return self.tar_sizedef __getitem__(self, index):tar_index = index % self.tar_sizeclean = torch.from_numpy(np.float32(load_img(self.clean_filenames[tar_index])))noisy = torch.from_numpy(np.float32(load_img(self.noisy_filenames[tar_index])))clean_filename = os.path.split(self.clean_filenames[tar_index])[-1]noisy_filename = os.path.split(self.noisy_filenames[tar_index])[-1]clean = clean.permute(2, 0, 1)noisy = noisy.permute(2, 0, 1)return clean, noisy, clean_filename, noisy_filenamedef get_validation_data(rgb_dir):assert os.path.exists(rgb_dir)return DataLoaderVal(rgb_dir, None)input_dir = "image"
test_dataset = get_validation_data(input_dir)
test_loader = DataLoader(dataset=test_dataset, batch_size=1, shuffle=False, num_workers=0, drop_last=False)if __name__ == '__main__':psnr_val_rgb = []ssim_val_rgb = []for ii, data_test in enumerate(tqdm(test_loader), 0):rgb_groundtruth = data_test[0].numpy().squeeze().transpose((1, 2, 0))rgb_restored = data_test[1].cuda()rgb_restored = torch.clamp(rgb_restored, 0, 1).cpu().numpy().squeeze().transpose((1, 2, 0))psnr_val_rgb.append(psnr_loss(rgb_restored, rgb_groundtruth))ssim_val_rgb.append(ssim_loss(rgb_restored, rgb_groundtruth, multichannel=True))psnr_val_rgb = sum(psnr_val_rgb) / len(test_dataset)ssim_val_rgb = sum(ssim_val_rgb) / len(test_dataset)print("PSNR: %f, SSIM: %f " % (psnr_val_rgb, ssim_val_rgb))

文件夹格式：

需要注意的是：input与groundtruth的图片个数要一致

1. PSNR (Peak Signal-to-Noise Ratio) 峰值信噪比

PSNR越高，图像和原图越接近。这是客观指标，

PSNR（峰值信噪比）：用得最多，但是其值不能很好地反映人眼主观感受。一般取值范围：20-40.值越大，视频质量越好

# im1 和 im2 都为灰度图像，uint8 类型# method 1
diff = im1 - im2
mse = np.mean(np.square(diff))
psnr = 10 * np.log10(255 * 255 / mse)# method 2
psnr = skimage.measure.compare_psnr(im1, im2, 255)

2. SSIM (Structural SIMilarity) 结构相似性

实际评价还有主观指标，不过主观的东西就比较模糊了，每个人感觉都会不同的。最常用的全参考视频质量评价方法：

计算稍复杂，其值可以较好地反映人眼主观感受。一般取值范围：0-1.值越大，视频质量越好。

# im1 和 im2 都为灰度图像，uint8 类型
ssim = skimage.measure.compare_ssim(im1, im2, data_range=255)

图像质量评价指标之 PSNR 和 SSIM - 知乎

图像质量评价指标： PSNR 和 SSIM相关推荐

图像质量评价指标PSNR和SSIM
由于是从Word文档直接复制过来,其中格式如果乱码或者不通顺,请评论区告知我参考链接: https://blog.csdn.net/dxpqxb/article/details/85071338 h ...
【图像相关】图像质量评价指标 PSNR 和 SSIM
文章目录 PSNR SSIM 参考链接 PSNR PSNR 是 "Peak Signal to Noise Ratio" 的缩写,即峰值信噪比,是一种评价图像的客观标准,它具有局限 ...
两幅相同大小图像的相似程度的两个评价指标-PSNR和SSIM
图像处理开发需求.图像处理接私活挣零花钱,请加微信/QQ 2487872782 图像处理开发资料.图像处理技术交流请加QQ群,群号 271891601 图像相似度主要是对两幅图像内容的相似程度进行打分 ...
图像评价指标——PSNR、SSIM、FID、KID
概念 PSNR PSNR 叫峰值信噪比,与均方误差MSE 和最大像素值MAX有关. SSIM SSIM 是结构相似性,比较亮度.对比度和结构三个指标. FID fid是一个非常常用的评估图像生成质量 ...
两种常用的参考图像质量评价指标——超分辨率(五)
两种常用的参考图像质量评价指标 PSNR(Peak Signal to Noise Ratio)峰值信噪比: 峰值信噪比(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 ...
图像质量评价指标之 PSNR 和 SSIM
1.PSNR (Peak Signal-to-Noise Ratio) 峰值信噪比概念: PSNR(PeakSignaltoNoiseRatio) 峰值信噪比,是信号最大功率与信号噪声功率之比. 通 ...
图像质量评价指标： PSNR 和 SSIM 和 LPIPS
简单介绍: 1.PSNR:峰值信噪比图像与影像压缩中典型的峰值讯噪比值在30dB 到50dB 之间,愈高愈好. PSNR接近50dB ,代表压缩后的图像仅有些许非常小的误差. PSNR大于30dB ...
【图像评价指标】PSNR和SSIM
PSNR是一种全参考的图像质量评价指标.给定一个大小为m x n的清晰图像I和噪声图像K,均方误差MSE为: 则PSNR(dB)定义为: 其中,MSE表示当前图像X和参考图像Y的均方误差(Mean S ...
图像质量评估指标：MSE，PSNR，SSIM
文章目录 MSE与PSNR的计算方法 MSE与PSNR的问题 SSIM的理念与计算方法理念概念准备公式理解基本元素三原则亮度.对比度.结构的相似度指标设计最终公式程序计算方法计算公式 ...