图像的均方差和信噪比计算

一、均方差

均方误差，英文简称：MSE，英文全称：“Mean Square Error”。
衡量图像的相似度，值越小，表示图像越相似。

1、公式

I、J表示两幅图像。

2、代码

//均方差计算
double gGetMSE(Mat& srcImage, Mat& dstImage)
{
    Mat src = dstImage;
    Mat dst = srcImage;
    int channels = dstImage.channels();
    int rowsNumber = src.rows;
    int colsNumber = src.cols * channels;
    double sigma = 0.0;
    double mse = 0.0;
    for (int i = 0; i < rowsNumber; i++)
    {
        for (int j = 0; j < colsNumber; j++)
        {
            mse += (src.ptr<uchar>(i)[j] - dst.ptr<uchar>(i)[j]) * (src.ptr<uchar>(i)[j] - dst.ptr<uchar>(i)[j]);
        }
    }
    mse = mse / (rowsNumber * colsNumber);
    return mse;
}

二、信噪比

信号和噪声的比值，英文简称：SRN，英文全称：“Signal Noise Ratio”。
衡量信号中噪声的多少。

1、公式

f为原图，g为去噪后的图像

2、代码

//信噪比计算

double gGetSNR(Mat& srcImage, Mat& dstImage)
{
    Mat src = dstImage;
    Mat dst = srcImage;
    int channels = dstImage.channels();
    int rowsNumber = src.rows;
    int colsNumber = src.cols * channels;

    double sigma = 0.0;
    double mse = 0.0;
    double SNR = 0.0;
    for (int i = 0; i < rowsNumber; i++)
    {
        for (int j = 0; j < colsNumber; j++)
        {
            sigma += (src.ptr<uchar>(i)[j]) * (src.ptr<uchar>(i)[j]);
            mse += (src.ptr<uchar>(i)[j] - dst.ptr<uchar>(i)[j]) * (src.ptr<uchar>(i)[j] - dst.ptr<uchar>(i)[j]);
        }
    }
    SNR = 10 * log10(sigma / mse);
    return SNR;
}