psnr计算公式 psnr计算公式和计算方法
什么是峰值信噪比(PSNR)及均方误(MSE)
、如上图MSE是原始和编码后图像的之间的均方误，n表示每个像素的比特数，公峰值信噪比PSNR式的具体解释和证明去自己找资料吧。如何计算PSNR
end;x1=imread(original);
psnr计算公式 psnr计算公式和计算方法
psnr计算公式 psnr计算公式和计算方法
x1=double(x1);
x2=double(x2);
[m2,n2]=size(x2);
msevalue=0;
for j=1:n;
msevalue=msevalue+(x1(i,峰值信噪比（Peak signal-to-noise Ratio, PSNR）提供了一个衡量图像失真或是噪声水平的客观标准，常用于图像压缩等领域压缩前后图像劣化程度的客观评价。评价结果以dB（分贝）为单位表示，两个图像间，PSNR值越大，则越趋于无劣化，劣化程度较大时，PSNR值趋于0dB。在正常情况下，PSNR的普遍基准为30dB，30dB以下的图像劣化较为明显。而对于RGB彩色图像来说，峰值信噪比的定义也类似，只是均方是所有方之和除以图像尺寸再除以3。图像压缩中典型的峰值信噪比值在30到40dB 之间，愈高愈好。这里的MAXI表示图像颜色的数值，8位采样点表示为255；MSE是原始图像和解码后图像的均方误（Mean Square Error）,对两个m×n单色图像I和K，如果一个为另外一个的噪声近似，那么它们的的均方定义为：j)-x2(i,j))^2;
psnrvalue=255^2/msevalue;
psnrvalue=10log10(psnrvalue);
以上是求PSNR的程序，直接加在主函数后面就可以，或者新建一个m文件来保存之后调用。头两句直接读入原图像和经过处理的图像，把图像数据矩阵存放在x1和x2中~~例如x1=imread('lena.bmp');
如果每个像素的分量用n比特表示，则psnr是多少db
% 如果输入Y为空，则视为X与其本身来计算PSNR、MSEPSNif any(size(X)~=size(Y))R不能为负值，主要参考一下公式：
峰值信噪比（PSNR），一种评价图像的客观标准。它具有局限性，PSNR是“Peak Signal to Noise Ratio”的缩写。peak的中文意思是顶点。而ratio的意思是比率或比列的。整个意思就是到达噪音比率的顶点信号，psnr一般是用于值信号和背景噪音之间的一个工程项目。通常在经过影像压缩之后，输出的影像都会在某种程度与原始影像不同。为了衡量经过处理后的影像品质，我们通常会参考PSNR值来衡量某个处理程序能否令人满意。它是原图像与被处理图像之间的均方误相对于(2^n-1)^2的对数值(信号值的平方，n是每个采样值的比特数)，它的单位是dB。 MATLAB用法的公式如下：
PSNR=10log10((2^n-1)^2/MSE)
什么是峰值信噪比(PSNR)及均方误(MSE)
网页信噪比查询信噪比(Signal/Noise)，原是电声学领域中的一个概念error('图像选择错误');，指声音源产生不失真声音信号强度与同时发出噪音强度之间的比率。分析PSNR对图像质量评价的优缺点？并试图规划一种方案克服SNR的缺点？
if nargin<2PSNR优点：便于计算和理解,能大致if nargin<2反映图象质量.一般情况下,PSNR 的值高的图象质量相对
较高,通常,当PSNR 值在28以上时,图象质量异不太显著,当高于35～40时,则肉眼分辨不出异.
PSNR缺点：,PSNR有时反映图象质量与人眼观察的图象质量情况并不完全相符.实验表明,
在同一幅图象中分别在图象高频部分、中低频部分、低频部加入白噪声干扰时,在高频部分
有理由认为PSNR 并不是一个很好的图象质量评价指标。由于PSNR的局限性,人们仍在不断的探讨,试图找出更接近人视觉特征的评价指标.
由于 PSNR的局限性 ,人们仍在不断的探讨 ,试图找出更接近人视觉特征的评价指标. 目前新的图象质量评价方案大多数为基于人眼视觉系统(HVS)的测量方法 ,以期更接近人眼的主观视觉.
新标准大致可以分为两类:基于视觉感知的测量方法和基于视觉兴趣的测量方法.
基于视觉感知的图象评价方法较早也较成功的有基于刚辨(JND ,Just Not Difference)的视觉感知方法.由于人眼分辨亮度异的能力与背景亮度有关 ,在宽阔的常用背景亮度变化范围内 ,人眼的JND为常数;当背景亮度较强或较弱时,人眼的分辨能力减弱 ,即JND 增大.该方法基于此原理达到对图象质量定量测量的目的.
基于视觉兴趣的图象质量评价方法的思想是将图象分为感兴趣区(ROI ,Region of Interest) 和不感兴趣区 ,并由感兴趣程度对其设定加权值.整幅图象的视觉质量往往取决于感兴趣区的质量 ,不感兴趣区质量的降质则影响较小. 例如 ,设测试图象中只有一个感兴趣区A1 ,其面积为S1 ,不感兴趣区A2 ,面积为S2 ,图象总面积为S = S1 + S2 .则由此可定义一个自己的均方误IMSE:
什么是峰值信噪比(PSNR)及均方误(MSE)
end均方误（mean-square error, MSE）是反映估计量与被估计量之间异程度的一种度量。
峰值信噪比经常用作图像压缩等领域中信号重建质量的测量方法，它常简单地通过均方误（MSE）进行定义。
扩展资料：
音频信噪比是指音响设备播放时，正常声音信号强度与噪声信号强度的比值。当信噪比低，小信号输入时噪音，在整个音域的声音明显变得浑浊不清，不知发的是什么音，影响音质。
信噪比的大小是用有用信号功率（或电压）和噪声功率（或电压）比值的对数来表示的。这样计算出来的单位称为“贝尔”。实用中因为贝尔这个单位太大，所以用它的十分之一做计算单位，称为“分贝”。
二、查询信噪比
在网页优化中同样存在这样的原理，搜索引擎抓取页面，主要抓取除去html标签后的文本内容，这部分内容可以认为是不失真声音信号，而同时产生的那部分html标签内容，可以被认为是噪音。
因此，网页信噪音比，可以这样理解：指网页中的文本内容部分与生成这些文本而产生的html标签内容的比率。声学中，信噪比越高，说明声音信号越清晰，同理，网页信噪比越高，说明页面中纯文本内容相对越多，搜索引擎抓取页面也越容易。[m,n]=size(x1);
参考资料来源：
参考资料来源：
什么是峰值信噪比(PSNR)及均方误(MSE)
for i=1:m;均方误（mean-square error, MSE）是反映估计量与被估计量之间异程度的一种度量。
峰值信噪比经常用作图像压缩等领域中信号重建质量的测量方法，它常简单地通过均方误（MSE）进行定义。
扩展资料：一、音频信噪比
音频信噪比是指音响设备播放时，正常声音信号强度与噪声信号强度的比值。当信噪比低，小信号输入时噪音，在整个音域的声音明显变得浑浊不清，不知发的是什么音，影响音质。
信噪比的大小是用有用信号功率（或电压）和噪声功率（或电压）比值的对数来表示的。这样计算出来的单位称为“贝尔”。实用中因为贝尔这个单位太大，所以用它的十分之一做计算单位，称为“分贝”。
二、查询信噪比
在网页优化中同样存在这样的原理，搜索引擎抓取页面，主要抓取除去html标签后的文本内容，这部分内容可以认为是不失真声音信号，而同时产生的那部分html标签内容，可以被认为是噪音。
因此，网页信噪音比，可以这样理解：指网页中的文本内容部分与生成这些文本而产生的html标签内容的比率。声学中，信噪比越高，说明声音信号越清晰，同理，网页信噪比越高，说明页面中纯文本内容相对越多，搜索引擎抓取页面也越容易。
参考资料来源：
参考资料来源：
数字音频水印——峰值信噪比PSNR与信噪比SNR的问题。求告之！求代码！
峰值信噪比（英语：Peak signal-to-noise ratio，常缩写为PSNR）是一个表示信号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工程术语。由于许多信号都有非常宽的动态范围，峰值信噪比常用对数分贝单位来表示。(1)PSNR (Peak signal-to-noise ratio)
x2=imread(test);常用于图像压缩等领域中，压缩前与压缩后，图像劣化程度的客观评价。
评价结果以dB（对比分贝）为单位来表示。2个图像间，PSNR值越大，趋于无劣化，劣化程度较大时，PSNR值趋于0dB。
不知道你是灰度图像水印还是彩色图像水印，还是音频转成的二维矩阵，我就简单的用灰度水印图像介绍一下；
PSNR的公式是：
看你代码的形式，应该是matlab
function [PSNR, MSE] = psnr(X, Y)
else
error('The input size is not equal to each other!');
D = X-Y;
MSE = sum(D(:).D(:))/prod(size(X));
PSNR = 10log10(255^2/MSE);
下班了,待续...
分析PSNR对图像质量评价的优缺点？并试图规划一种方案克服SNR的缺点？
msevalue=msevalue/(mn);PSNR优点：便于计算和理解,能大致反映图象质量.一般情况下,PSNR 的值高的图象质量相对
%%图像格式是bmp,如果不是则要加RGB2GRAY函数转化较高,通常,当PSNR 值在28以上时,图象质量异不太显著,当高于35～40时,则肉眼分辨不出异.
PSNR缺点：,PSNR有时反映图象质量与人眼观察的图象质量情况并不完全相符.实验表明,
在同一幅图象中分别在图象高频部分、中低频部分、低频部加入白噪声干扰时,在高频部分
有理由认为PSNR 并不是一个很好的图象质量评价指标。由于PSNR的局限性,人们仍在不断的探讨,试图找出更接近人视觉特征的评价指标.
由于 PSNR的局限性 ,人们仍在不断的探讨 ,试图找出更接近人视觉特征的评价指标. 目前新的图象质量评价方案大多数为基于人眼视觉系统(HVS)的测量方法 ,以期更接近人眼的主观视觉.
新标准大致可以分为两类:基于视觉感知的测量方法和基于视觉兴趣的测量方法.
基于视觉感知的图象评价方法较早也较成功的有基于刚辨(JND ,Just Not Difference)的视觉感知方法.由于人眼分辨亮度异的能力与背景亮度有关 ,在宽阔的常用背景亮度变化范围内 ,人眼的JND为常数;当背景亮度较强或较弱时,人眼的分辨能力减弱 ,即JND 增大.该方法基于此原理达到对图象质量定量测量的目的.
基于视觉兴趣的图象质量评价方法的思想是将图象分为感兴趣区(ROI ,Region of Interest) 和不感兴趣区 ,并由感兴趣程度对其设定加权值.整幅图象的视觉质量往往取决于感兴趣区的质量 ,不感兴趣区质量的降质则影响较小. 例如 ,设测试图象中只有一个感兴趣区A1 ,其面积为S1 ,不感兴趣区A2 ,面积为S2 ,图象总面积为S = S1 + S2 .则由此可定义一个自己的均方误IMSE:
相关文章
