matlab 計算影象的峰值信噪比PSNR以及均方根誤差MSE
簡介
PSNR 是最普遍,最廣泛使用的評鑑畫質的客觀量測法,不過許多實驗結果都顯示,PSNR 的分數無法和人眼看到的視覺品質完全一致,有可能 PSNR 較高者看起來反而比PSNR 較低者差。
這是因為人眼的視覺對於誤差的敏感度並不是絕對的,其感知結果會受到許多因素的影響而產生變化(例如:人眼對空間頻率較低的對比差異敏感度較高,人眼對亮度對比差異的敏感度較色度高,人眼對一個區域的感知結果會受到其周圍鄰近區域的影響)。
(參考百度百科)
計算公式:
function [PSNR, MSE] = psnr(X, Y)
% 計算峰值信噪比PSNR、均方根誤差MSE
% 如果輸入Y為空,則視為X與其本身來計算PSNR、MSE
if nargin<2
D = X;
else
if any(size(X)~=size(Y))
error('The input size is not equal to each other!');
end
D = X-Y;
end
MSE = sum(D(:).*D(:))/prod(size(X));
PSNR = 10*log10(255^2/MSE);
display(MSE);
display(PSNR);
function main()
clc; close all;
I = imread('rice.png');
I1 = imnoise(I, 'salt & pepper');
figure;
subplot(1, 2, 1); imshow(I); title('原影象');
subplot(1, 2, 2); imshow(I1); title('加噪聲影象');
[PSNR, MSE] = psnr(I, I1);
總結
有一些方法中採用了分塊計算PSNR等引數,用來得到更為有效地資訊。也有的方法提出一些新的計算公式,當然這都是為了統計處影象處理前後的差異資訊。
類似的,對於相近的公式,也可以如上做編碼。
相關推薦
matlab 計算影象的峰值信噪比PSNR以及均方根誤差MSE
簡介PSNR 是最普遍,最廣泛使用的評鑑畫質的客觀量測法,不過許多實驗結果都顯示,PSNR 的分數無法和人眼看到的視覺品質完全一致,有可能 PSNR 較高者看起來反而比PSNR 較低者差。 這是因為人眼的視覺對於誤差的敏感度並不是絕對的,其感知結果會受到許多因素的影響而產生
影象的:均方根誤差MSE、峰值信噪比PSNR、平均絕對誤差MAE、結構相似性SSIM
clc; close all; X = imread('1.jpg'); X=rgb2gray(X); Y=X; Y = imnoise(Y, 'salt & pepper');%新增椒鹽噪聲,也可以改成其他噪聲 A=fspecial('average',3); %
影象的峰值信噪比(PSNR)
double getPSNR(const Mat& I1, const Mat& I2) { Mat s1; absdiff(I1, I2, s1); // |I1 - I2| s1.convertTo(s1, CV_3
[深度學習] [Tensorflow] Tensorflow 中計算 PSNR 峰值信噪比
峰值信噪比,Peak signal-to-noise ratio(PSNR)是測量有失真壓縮編/解碼器的重建質量的重要指標,在影象處理領域很常見,因為在影象壓縮處理過程中,常常會引入噪聲,這些噪聲就會影響影象重建質量,對於影象重建,較高的PSNR指標通常表明重建質量較高,影象失真越小。
兩種常用的全參考影象質量評價指標——峰值信噪比(PSNR)和結構相似性(SSIM)
原文:https://blog.csdn.net/zjyruobing/article/details/49908979 1.PSNR(Peak Signal to Noise Ratio)峰值信噪比: MSE表示當前影象X和參考影象Y的均方誤差(Mean Squar
PSNR-峰值信噪比(原理及python程式碼實現)
PSNR的全稱為“Peak Signal-to-Noise Ratio”,直譯為中文就是峰值信噪比。 是一種衡量影象質量的指標。在很多領域都會需要這個指標,比如在超解析度重建影象的時候,PSNR就是很重要的指標了。 WIKI解釋 峰值信噪比(英語:Peak signal-to
無參考影象質量評價之影象質量評價方法(一)[均方根誤差、峰值信噪比、結構相似度]
影象質量評價在計算機視覺,人工智慧,高清視訊傳輸上面有很廣泛的應用。目前,影象質量評價主要分為三個方向,有參考影象的質量評價,半參考的影象質量評價,以及無參考的影象質量評價。但是,個人
Python 計算彩色影象信噪比
Python 計算彩色影象信噪比 Python下影象信噪比PSNR計算,主要有兩種方法,方法一是使用skimage.measure
ENVI/IDL實現每個波段信噪比計算
在研究影象質量評價時,可以使用信噪比(SNR)的方法。信噪比,顧名思義就是訊號與噪聲的比例,那麼對於遙感影像來說,每個波段都有一個信噪比,這個值越大,說明該波段噪聲越小。 基於區域性方差法計算遙感影像的信噪比,具體步驟如下: 1.邊緣提
運放壓擺率對信號失真度和信噪比的影響
blog 帶來 tla 總結 連續 時域 atl tlab swe 壓擺率(SlewRate)是反應運放動態性能的一項參數,壓擺率越大說明運放的延遲越小,對階躍信號的響應也越迅速。 詳細的關於壓擺率的成因和參數說明,詳見TI的一篇文章: http://www.deyisup
信噪比/夏農公式
信噪比就是訊號的平均功率和噪聲的平均功率之比,即:S/N。 用分貝(dB)作為度量單位,即:信噪比(dB)= 10 * log10(S/N) (dB) 例如:當S/N=10時,信噪比為10dB;當S/N=1000時,信噪比為30dB。 夏農公式: 夏農(Sha
【 模擬 】基於TOA的定位演算法效能分析(不同信噪比下的比較)
Comparison of Nonlinear and Linear Approaches with CRLB for TOA - Based Positioning for Different SNRs 上篇博文:【 筆記 】定位演算法效能分析 給出了各種定位演算法效能分析的理論
高速ADC時鐘jitter對信噪比和有效位數的影響
高速ADC的時鐘jitter會影響高速ADC的信噪比SNR,而信噪比決定了模擬前端輸入的有效範圍。所以需要先確定模擬前端的有效輸入範圍,然後確定應該滿足的SNR,然後推匯出時鐘jitter。 一、模擬前端動態輸入範圍和有效位ENOB的關係
信噪比、L2C碼與載波
1、信噪比 信噪比(signal-to-noise ratio)是描述訊號中有效成分與噪聲成分的比例關係引數。 不同的應用領域有不同的具體定義。較常見的有以下兩種: (1)額定最大訊號功率與無訊號時靜態噪聲功率之比; (2)訊號中有效成分的功率與噪聲成分功率之比
如何用matlab計算影象的二維傅立葉變換
關於二維DFT的原理的話,可以參考清華出版的《影象工程 上冊》,所以此處贅述二維DFT的原理,如果不懂的話,那效果影象也不會理解為什麼。 所以我在程式碼中直接呼叫庫fft2(X); % by keyhero % img_fft.m clear; lena=i
GPS信噪比解析
信噪比資料格式 GPS信噪比反映了GPS接收訊號的強弱,決定了產品的定位效能。 下面列舉一下GPS信噪比資料資訊: $GPGSV,2,1,05,07,28,324,32,08,79,302,35,23,,,30,27,51,028,42*48. $GPGSV,2,2,0
奈氏準則、夏農公式、信噪比、通道容量
奈氏準則:在理想條件下,即一個無噪聲,寬頻為W赫茲的通道,其傳碼速率最高為 2W波特 無噪聲情況下通道容量計算公式: C通道容量,W通道頻寬,M是電頻個數 例子:一個無噪聲3000Hz通道,如果採用8電平傳輸,則該通道可允許 的最大資料傳輸速率是多少? 解:M
過取樣能提高信噪比
增加取樣頻率可以改善系統的SNR,其原因是,當取樣頻率增加時,量化噪聲功率仍保持不變(量化噪聲只與字長有關),量化誤差可以建模為樣本與樣本之間不相關,這就將產生平坦的頻率響應,從而具有單邊功率譜密度:PSD等於兩倍的量化噪聲功率與取樣頻率之比。因此,儘管總的量化噪
Android中獲取GPS搜尋到的衛星顆數、並獲取每顆衛星的信噪比
信噪比概念 信噪比,英文名稱叫做SNR或S/N(SIGNAL-NOISE RATIO),又稱為訊噪比。是指一個電子裝置或者電子系統中訊號與噪聲的比例 信噪比越大此顆衛星越有效(也就是說可以
MATLAB將影象資料以txt檔案儲存以及從txt檔案中讀矩陣並顯示影象
網上這方面的分享挺多的,但是發現不怎麼好用,下面介紹鄙人的方法 1.將一副灰度影象矩陣讀入txt檔案。如果你的影象是rgb的話用rgb2gray轉成灰度的。 2.從txt檔案中讀資料到MATLAB並將影象顯示出來。 第一句是載入資料, 第二句是將資料以256*256矩陣顯