如何运用Python OpenCV实现多种图像质量对比方法的比较？

本文共计1085个文字，预计阅读时间需要5分钟。

前言：图片的本质就是大量像素在二维平面上的组合，每个像素用数字化方式记录颜色。直观的想法是，一张图片就像一个巨大的电子屏幕，每个格子内都有一束光，这束光可以变化，以呈现不同的色彩。

前言

图片的本质就是大量像素在二维平面上的组合，每个像素点用数字化方式记录颜色。可以直观的想象，一张图片就是一个巨大的电子栅格，每个格子内有一盏灯泡，这个灯泡可以变换256的三次方种颜色，就像下面这张卡通像素图一样，越清晰的图片像素越密集。

这一次来看看OpenCV提供的两种图像质量对比方式(PSNR & SSIM)及其扩展, 这篇文章会涉及到一点数学公式，顺便介绍一个我用过的生成公式的最佳在线编辑工具，秒杀所有收费工具。

链接在这里, 请收好:www.mathcha.io/editor

1. MSE对比

均方差 MSE(Mean Squared Error)对比, 思路是对两张尺寸完全相同的图片一个个像素进行对比，对比的数值就是颜色。注意下面公式有两个维度，因为我们对比的图像是像素矩阵，m and n 代表行数和列数。

MSE formula

MSE公式自己用numpy写几行代码实现，这里唯一要注意的是我找的图片是彩色的，因为有BGR3个颜色通道所以MSE要除以3得到平均值。

有了核心逻辑后准备一下素材 - 著名的经典图片Lena，再手工压缩75%, 90%, 95%放置入lena folder. Lena是1972年12月花花公子的封面女郎，这张照片只是裸体插页的1/3，下面少儿不宜部分被截断了，未删节原图在卡耐基梅隆大学的网页上还能找到(Warning: contains nudity)。