C++和OpenCV写的PSNR+SSIM代码，用于测试图像质量

Calculates the PSNR (Peak Signal to Noise Ratio)

对于所有对象及其功能，质量是非常重要的参数。 在基于图像的对象识别中，图像质量是主要标准。 为了进行真实的图像质量评估，必须具备地面真实性。 但是在实践中，很难找到基本事实。 通常，图像质量是通过完整的参考指标（例如MSE（均方误差）和PSNR（峰值信噪比））进行评估的。 与MSE和PSNR相比，最近，又开发了两个更多的参考度量标准SSIM（结构相似性索引方法）和FSIM（特征相似性索引方法），目的是在此基础上比较还原对象和原始对象之间的结构和特征相似性度量知觉。 本文主要强调比较不同的图像质量指标以提供全面的观点。 通过对不同的噪声浓度进行降噪，可以使用基准图像对这些指标进行实验。 所有指标均给出一致的结果。 但是，从表示的角度来看，对SSIM和FSIM进行了归一化，但对MSE和PSNR未进行归一化。 从语义的角度来看，MSE和PSNR仅给出绝对误差。 另一方面，SSIM和PSNR给出了基于感知和显着性的误差。 因此，与MSE和PSNR相比，可以更容易理解SSIM和FSIM。

此函数用于与 matices 或数据数组之间的比较

支持计算两个yuv的psnr，可指定计算开始和结束的帧号，结果直接给出每一帧的计算结果及整个序列的平均值

PSNR峰值信噪比计算工具

matlab代码 自带图像测试！

同时计算两幅图片的PSNR（峰值信噪比）及SSIM（结构相似性）及MSE（均方差），通过设置不同图片所在的文件夹位置来进行操作。将最终结果展示到终端界面。

图像相似度PSNR和SSIM，图像处理的同学可以参考

（4）信噪比（SNR）与峰值信噪比（PSNR） 信噪比与峰值信噪比也是用来测量图像质量的常用参数，不同的是前几个参数是越小表示图像质量越好，但信噪比与峰值信噪比是值越大代表图像质量越好。它们的表达式分别如下：