什么是PSNR和MSE
最近正在做超分辨率相關的工作，在底層圖像處理(或者說是CV領域的low-level vision)工作中，評價標準有兩種：
- 主觀方法
通過人眼去判斷，給出主觀評價 -
客觀方法
主要有MSE（Mean Square Error 平均平方誤差）和PSNR（Peak Signal Noise Ratio，峰值信噪比）等
MSE
image.png
image.png
如何用OpenCV實現PSNR的計算
在使用Opencv的時候，我們可以借用矩陣的操作，而不用循環嵌套去一個一個計算，特別地，要把uint8轉換成float，否則在精度問題上的出錯會導致很大的偏差
double compute_PSNR(cv::Mat Mat1, cv::Mat Mat2)
{
cv::Mat M1 = Mat1.clone();
cv::Mat M2 = Mat2.clone();
int rows = M2.rows;
int cols = M2.cols
// 確保它們的大小是一致的
cv::resize(mGND,mGND,cv::Size(cols,rows) );
mGND.convertTo(M1,CV_32F);
mSR.convertTo(mSR,CV_32F);
// compute PSNR
Mat Diff；
// Diff一定要提前轉換為32F，因為uint8格式的無法計算成平方
Diff.convertTo(Diff,CV_32F);
cv::absdiff(M1,M2,Diff); // Diff = | M1 - M2 |
Diff＝ Diff.mul(Diff); // | M1 - M2 |.^2
Scalar S = cv::sum(Diff); // 分別計算每個通道的元素之和
double sse; // square error
if (mDiff.channels()==3)
sse = S.val[0] +S.val[1] + S.val[2]; // sum of all channels
else
sse = S.val[0];
int nTotalElement = mGND.channels()*mGND.total();
double mse = ( sse / (double)nTotalElement ); //
// 加上0.0000001作為偏置，不至于發生除了的錯誤
double psnr = 10.0 * log10( 255*255 / (Mse+0.0000001) );
std::cout<< "PSNR : " << Psnr << std::endl;
return psnr;
