PSNR通过一个简单的均方差进行图像评价，也就是噪声图片与原图片的对比
# im1 和 im2 都为灰度图像，uint8 类型 # method 1 diff = im1 - im2 mse = np.mean(np.square(diff)) psnr = 10 * np.log10(255 * 255 / mse) # method 2 psnr = skimage.measure.compare_psnr(im1, im2, 255)
https://link.zhihu.com/?target=http%3A//scikit-image.org/docs/dev/api/skimage.measure.html%23skimage.measure.compare_psnr 函数原型见此处
针对超光谱图像，我们需要针对不同波段分别计算 PSNR，然后取平均值，这个指标称为 MPSNR。
SSIM（structural similarity）结构相似性，也是一种全参考的图像质量评价指标，它分别从亮度、对比度、结构三方面度量图像相似性。
# im1 和 im2 都为灰度图像，uint8 类型 ssim = skimage.measure.compare_ssim(im1, im2, data_range=255)
https://scikit-image.org/docs/dev/api/skimage.measure.html#skimage.measure.compare_ssim 函数原型见此
针对超光谱图像，我们需要针对不同波段分别计算 SSIM，然后取平均值，这个指标称为 MSSIM。
转载自：https://zhuanlan.zhihu.com/p/50757421
