💻✨PSNR-峰值信噪比：原理与Python实现🌟

在数字图像处理的世界里，PSNR（Peak Signal to Noise Ratio） 是衡量重建图像质量的重要指标之一。简单来说，它用于比较原始图像和经过处理后的图像之间的差异，数值越高表示两者越接近。💡

原理：

PSNR 的计算基于 MSE（均方误差），公式为：

`PSNR = 10 log10((MAX² / MSE))`

其中，`MAX` 是像素的最大值（如灰度图中为 255），而 MSE 则是两幅图像对应像素差值平方的平均值。因此，PSNR 越高，说明噪声越少，图像质量越好！🔍📈

Python 实现：

```python

import numpy as np

def calculate_psnr(img1, img2):

mse = np.mean((img1 - img2) 2)

if mse == 0:

return float('inf')

max_pixel = 255.0

psnr = 20 np.log10(max_pixel / np.sqrt(mse))

return psnr

示例使用

original_img = np.array([[100, 150], [200, 250]])

noisy_img = np.array([[98, 148], [202, 252]])

print("PSNR:", calculate_psnr(original_img, noisy_img))

```

通过这段代码，我们可以轻松计算任意两张图片的 PSNR 值，帮助我们优化算法或评估图像恢复效果！🚀

💡 小贴士： PSNR 虽然经典，但并非万能。有时低 PSNR 并不代表视觉效果差，具体还需结合主观评价哦！👀

图像处理 PSNR Python代码