数字图像处理——图像质量评价（Python）

article/2025/11/11 12:51:48

简单的按照评价指标公式，计算出待评价图像与标准图像之间的评价指标值，评价公式如下图：
在这里插入图片描述
M和N表示图像的尺寸，L表示图像的灰度取值范围，对于8bit的灰度图像而言取L=255

实验数据如下所示：

标准图像
待评价的三张图像：
在这里插入图片描述

实验代码：

import glob
import mathimport numpy as np
from skimage import ioroad1 = glob.glob(".\\data\\*.jpeg")  # 获取标准图像的文件路径
standard = io.imread(road1[0])  # 读取标准图像文件
standard = standard.astype(np.int32)  # 将 uint8类型的数据转换为int32类型便于后面运算
road2 = glob.glob(".\\data\\*.bmp")  # 获取待评价图像的文件路径
m = len(road2)  # 获取待评价图像的数量
gray = 255  # 定义灰度范围值，方便后续计算
strname = 'ans.txt'  # 定义一个文档名称，用于保存结果# 定义函数calMSE，计算标准图像std与目标图像aim之间的均方误差(MSE)评价指标
def calMSE(std, aim):# 利用循环计算两幅影像间相同位置像素的灰度值的差的平方和num = 0for i in range(std.shape[0]):for j in range(std.shape[1]):num += math.pow(std[i, j] - aim[i, j], 2)mse = num / (std.shape[0] * std.shape[1])return mse# 定义函数calPSNR，计算标准图像std与目标图像aim之间的峰值信噪比(PSNR)评价指标
def calPSNR(std, aim):num = 0for i in range(std.shape[0]):for j in range(std.shape[1]):num += (std[i, j] - aim[i, j]) * (std[i, j] - aim[i, j])mse = num / (std.shape[0] * std.shape[1])psnr = 10 * math.log(gray * gray / mse, 10)return psnrf = open(strname, "w")  # 打开文件
for i in range(m):img = io.imread(road2[i])  # 读取一张待评价的图片img = img.astype(np.int32)mse = calMSE(standard, img)  # 计算MSE指标psnr = calPSNR(standard, img)  # 计算PSNR指标name = '图像名称： ' + road2[i] + ',  MSE指标： ' + str(mse) + ',  PSNR指标： ' + str(psnr)f.write(str(name))  # 将结果字符串写入文件f.write('\n')  # 换行使文件中结果更加清楚
f.close()  # 关闭文件