之前做实验发现了一个问题，好像用python的skimage.metrics包计算PSNR等指标和matlab里面算出来的不太一样，当时全转成python算了，现在考虑到又有不同的对比实验啥的，打算统一一下python和matlab的指标计算：

(垃圾csdn，自动把我的文章vip可见了，真该死啊，现在调回公开了）

代码

python版本：

from skimage.metrics import peak_signal_noise_ratio as psnr,structural_similarity as ssim,mean_squared_error as mse
from scipy.io import loadmat
import numpy as np
# 读取图片
x0 = loadmat('A.mat')["data"]
x2 = loadmat('AA.mat')["data"]
x0 = np.squeeze(x0)
x2 = np.squeeze(x2)

# 归一化
maxvalue1=x0.max()
minvalue1=x0.min()
x0 = (x0 - minvalue1) / (maxvalue1 - minvalue1)
maxvalue1=x2.max()
minvalue1=x2.min()
x2 = (x2 - minvalue1) / (maxvalue1 - minvalue1)

psnr0 = psnr(x0, x2, data_range=1)
ssim0 = ssim(x0,x2,gaussian_weights=True,  use_sample_covariance=False, data_range=1.0)
mse0 = mse(x0,x2)
print(psnr0)
print(ssim0)
print(mse0)

matlab版本：

clear
A = load('A.mat').data;
B = load('AA.mat').data;
A = squeeze(A);
B = squeeze(B);
X = double(A); 
Y = double(B);

maxvalue1=max(max(A));
minvalue1=min(min(A));
A = (A - minvalue1) / (maxvalue1 - minvalue1);
maxvalue1=max(max(B));
minvalue1=min(min(B));
B = (B - minvalue1) / (maxvalue1 - minvalue1);

[psnr,mse]= psnr_zl(A,B,1)
ssim1 = ssim_zl(A,B)

function [PSNR, MSE] = psnr_zl(X, Y,datarange) % 计算峰值信噪比PSNR
MSE = mean(mean((X-Y).^2));
PSNR = 10 * log10((datarange^2) / MSE);
end

function [mssim, ssim_map] = ssim_zl(img1, img2, K, window, L)
%前两个输入是两张图片，K，L是计算均值、标准差、C1、C2需要的参数，windows是滤波器窗口大小
if (nargin < 2 || nargin > 5)
%    ssim_index = -Inf;
   ssim_map = -Inf;
   return;
end

if (size(img1) ~= size(img2))
%    ssim_index = -Inf;
   ssim_map = -Inf;
   return;
end

[M N] = size(img1);

if (nargin == 2)
   if ((M < 11) || (N < 11))   % 图像大小过小，则没有意义。
%            ssim_index = -Inf;
           ssim_map = -Inf;
      return
   end
   window = fspecial('gaussian', 11, 1.5);        % 参数一个标准偏差1.5，11*11的高斯低通滤波。
   K(1) = 0.01;                                                                      % default settings
   K(2) = 0.03;                                                                      %
   L = 255;                                  %
end

if (nargin == 3)
   if ((M < 11) || (N < 11))
%            ssim_index = -Inf;
           ssim_map = -Inf;
      return
   end
   window = fspecial('gaussian', 11, 1.5);
   L = 255;
   if (length(K) == 2)
      if (K(1) < 0 || K(2) < 0)
%                    ssim_index = -Inf;
                   ssim_map = -Inf;
                   return;
      end
   else
%            ssim_index = -Inf;
           ssim_map = -Inf;
           return;
   end
end

if (nargin == 4)
   [H W] = size(window);
   if ((H*W) < 4 || (H > M) || (W > N))
%            ssim_index = -Inf;
           ssim_map = -Inf;
      return
   end
   L = 255;
   if (length(K) == 2)
      if (K(1) < 0 || K(2) < 0)
%                    ssim_index = -Inf;
                   ssim_map = -Inf;
                   return;
      end
   else
%            ssim_index = -Inf;
           ssim_map = -Inf;
           return;
   end
end

if (nargin == 5)
   [H W] = size(window);
   if ((H*W) < 4 || (H > M) || (W > N))
%            ssim_index = -Inf;
           ssim_map = -Inf;
      return
   end
   if (length(K) == 2)
      if (K(1) < 0 || K(2) < 0)
%                    ssim_index = -Inf;
                   ssim_map = -Inf;
                   return;
      end
   else
%            ssim_index = -Inf;
           ssim_map = -Inf;
           return;
   end
end

L=1;
C1 = (K(1)*L)^2;    % 计算C1参数，给亮度L（x，y）用。
C2 = (K(2)*L)^2;    % 计算C2参数，给对比度C（x，y）用。
window = window/sum(sum(window)); %滤波器归一化操作。
img1 = double(img1); 
img2 = double(img2);

mu1   = filter2(window, img1, 'valid');  % 对图像进行滤波因子加权
mu2   = filter2(window, img2, 'valid');  % 对图像进行滤波因子加权

mu1_sq = mu1.*mu1;     % 计算出Ux平方值。
mu2_sq = mu2.*mu2;     % 计算出Uy平方值。
mu1_mu2 = mu1.*mu2;    % 计算Ux*Uy值。

sigma1_sq = filter2(window, img1.*img1, 'valid') - mu1_sq;  % 计算sigmax （标准差）
sigma2_sq = filter2(window, img2.*img2, 'valid') - mu2_sq;  % 计算sigmay （标准差）
sigma12 = filter2(window, img1.*img2, 'valid') - mu1_mu2;   % 计算sigmaxy（标准差）

if (C1 > 0 && C2 > 0)
   ssim_map = ((2*mu1_mu2 + C1).*(2*sigma12 + C2))./((mu1_sq + mu2_sq + C1).*(sigma1_sq + sigma2_sq + C2));
else
   numerator1 = 2*mu1_mu2 + C1;
   numerator2 = 2*sigma12 + C2;
   denominator1 = mu1_sq + mu2_sq + C1;
   denominator2 = sigma1_sq + sigma2_sq + C2;
   ssim_map = ones(size(mu1));
   index = (denominator1.*denominator2 > 0);
   ssim_map(index) = (numerator1(index).*numerator2(index))./(denominator1(index).*denominator2(index));
   index = (denominator1 ~= 0) & (denominator2 == 0);
   ssim_map(index) = numerator1(index)./denominator1(index);
end

mssim = mean2(ssim_map);

return
end

输出结果：

python：

matlab：

可以看到结果是一样的。

另外，那个matlab代码是网上copy的，可能有点冗余（比如那个L，对应python的datarange，我强行设置成1了），有兴趣的可以优化下。

使用的图片大小为512*512，归一化值域到[0,1]，非自然图像，是单通道的CT图。

自然图像也许也能用，但我懒得试了，试了的人可以评论一下。