峰信噪比常用于图像压缩等领域的信号重建质量的测量方法，多由均方误差(MSE)简单定义。 两个mn单色图像I和k，如果一个是另一个的噪声近似，则它们的均方误差定义为：

这里，MAXI是表示图像点颜色的最大数值，用8位表示各采样点时为255。

下图以具体示例说明了峰值信噪比(PSNR )的计算方法。

这里，左侧是图像中的16个像素值，右侧是变动的图像的像素值。 红色表示像素值发生了变化。

最下面是计算两幅图像的MSE、PSNR

PSNR定义并计算峰值信噪比(PSNR )是评估图像的客观标准。 具有局部性，PSNR是“PeakSignaltoNoiseRatio”的缩写。 peak的中文意思是顶点。 ratio的意思是比率或比率。 总体上是指达到噪声比顶点的信号，psnr通常是最大值信号和背景噪声之间的工程项目。 通常，压缩图像后，输出的图像与原始图像有一定程度的不同。 为了衡量处理后图像的质量，通常参考PSNR值来衡量某个处理过程是否令人满意。 这是原始图像和待处理图像的均方误差的平方(对2^n-1 ) ^2的对数)信号最大值的平方，n是每个采样值的位数)，单位为dB。

这里，MSE是原图像和处理图像的均方误差。 　

MAXI表示图像颜色的最大值，8位采样点表示255。

Peak是指8bits表示的最大值255。 MSE指的是MeanSquareError，I (索引n )指的是原始图像的第n个像素值，p (索引n )指的是处理后图像的第n个像素值。 PSNR的单位是数据库。 因此，PSNR值越大，表示变形越少。

PSNR和SSIM PSNR（Peak Signal to Noise Ratio）峰值信噪比是全部参考的画质评价指标。

其中，MSE表示当前图像x与参照图像y的均方误差(Mean Square Error )，h、w分别为图像的高度和宽度； n是每个像素的比特数，一般为8，也就是像素灰度数为256.PSNR的单位为dB，数值越大表示失真越小。

PSNR是最普遍、应用最广泛的图像客观评价指标，但基于对相应像素点之间的误差，即误差敏感的图像质量评价。 由于没有考虑人眼视觉特性(人眼对空间频率低的对比度差异的灵敏度高、人眼对亮度的对比度差异的灵敏度比彩度高、人眼对一个区域的感知结果受到其周围附近区域的影响等)，因此评价结果和人的主观感

SSIM（structural similarity）结构相似性是从亮度、对比度、结构三个方面测定图像相似性的，也是完全值得参考的画质评价指标。

这里，ux、uy分别是图像x、y的平均值，x、y分别是图像x、y的方差值，xy是图像x、y的协方差，即

C1、C2、C3是常数，为了避免分母为0，通常设定为C1=(K1*L ) ) 2、C1=(K1*L ) 2、C3=C2/2，一般设定为K1=0.01、K2=0.03、l=

sim取值范围[ 0，1 ]，值越大表示图像失真越小。

在实际应用中，利用滑动窗口对图像进行分块，设块总数为n，考虑窗口形状对块的影响，利用精明的服饰权重计算各窗口的均值、方差及协方差，计算相应块的结构相似度SSIM

转载出处：图像峰值信噪比(PSNR )计算方法

参考资料：

[1]峰值信噪比-维基百科

[2] mtdxmt、hcdby、幽默太阳镜。 基于局部方差和结构相似度的图像质量评价方法[J] .光电子激光，2008。