在数字图像处理和计算机视觉领域，图像质量评估是一个关键的研究方向，它旨在确定图像在传输或处理过程中的质量损失程度。为了准确评估图像的质量，研究人员和工程师们开发了多种指标来量化图像的相似性或差异性。以下是对10个常用的图像评测指标的详细解析。 峰值信噪比（PSNR）是一种常用的客观评价指标，用于衡量图像质量。它通过计算图像最大可能像素值的对数和均方误差（MSE）之间的比值来工作。PSNR值越高，表示图像质量越好。 结构相似性指数（SSIM）是一种更为全面的图像质量评估方法，它考虑了图像的亮度、对比度和结构信息。SSIM值越接近1，表示图像的视觉质量越高。 平均绝对误差（MAE）是另一种简单的图像相似性度量方法，它直接计算了两个图像对应像素值差的绝对值的平均数。 均方误差（MSE）是一种评估图像质量的方法，通过计算两个图像对应像素值差的平方的平均数来得到。MSE越小，表示两个图像越相似。 均方根误差（RMSE）是MSE的平方根，它也是用来衡量图像质量的，与MSE类似，RMSE越小，图像质量越高。 图像质量度量（ISSM）是一种更为复杂的图像质量评估方法，它结合了多种图像质量评估的特征，是一种综合性的评估指标。 信号失真比（SRE）是通过计算原始信号与失真信号之间的比值来评估图像质量，SRE越高，图像质量越好。 感知损失指标（LPIPS）是一种基于深度学习的图像质量评估方法，它通过学习人类视觉系统的感知特性来评价图像质量。 像素品质评估（PIQE）是一种无参考的图像质量评估方法，它通过计算图像中局部区域的统计特征来评估图像质量。 自然图像质量评估器（NIQE）则是一种无需原始图像即可评估图像质量的方法，它是通过从大量自然图像中学习图像的统计模型来工作的。 了解和掌握了这些图像评测指标的计算方法后，可以对图像处理过程中的算法性能和图像质量进行更为精确的量化分析。这些指标的代码实现可以帮助研究人员和工程师自动化评估过程，并在图像处理系统的设计和优化中发挥重要作用。 至于文件名称“tenTarget”，这可能是代码文件的名称或者是用于存放图像评测指标计算代码的压缩包名称。它传达了一个明确的信息，即该压缩包包含了针对10个图像评测指标的代码实现。

python 实施八个评估指标来访问两个图像之间的相似性。这八个指标如下：RMSE、PSNR、SSIM、ISSM、FSIM、SRE、SAM 和 UIQ。 图像相似度测量 实施八个评估指标来访问两个图像之间的相似性。八项指标如下： 均方根误差 (RMSE) , 峰值信噪比 (PSNR) , 结构相似性指数（SSIM）， 基于特征的相似度指数（FSIM）， 基于信息论的统计相似性度量（ISSM）， 信号重构误差比 (SRE) , 光谱角映射器 (SAM)和 通用图像质量指数 (UIQ) 指示 以下分步说明将指导您安装此软件包并使用命令行工具运行评估。 注意：支持的 python 版本为 3.6、3.7、3.8 和 3.9。 安装包 pip install image-similarity-measures 为了更快地评估 FSIM 指标，pyfftw需要该软件包。您可以单独安装它，也可以通过speedups额外的： 更多详情、使用方法，请下载后阅读README.md文件

去雾评价指标，熵，PSNR，SSIM，MSE，

6种图像评价原理（UCIQE、UICM、PSNR、SSIM、等效圆偏检测、图像信息熵）

自己选择标准图像，对比验证均值和中值滤波的效果，通过SNR\PSNR\SSIM三个参数以图表形式给出对比结果。

C++和OpenCV写的PSNR+SSIM代码，用于测试图像质量

同时计算两幅图片的PSNR（峰值信噪比）及SSIM（结构相似性）及MSE（均方差），通过设置不同图片所在的文件夹位置来进行操作。将最终结果展示到终端界面。

对于进行水下图像处理的指标评定如PANR，SSIM，UCIQE,UIQM

把整理的超分重建 SR 和HR 图片 psnr 和 SSIM计算（pytorch实现）代码放在这里；珍惜积分的小伙伴，可以去https://positive.blog.csdn.net/article/details/109682095 博文手动粘贴，内容是一样的；

数字图像水印：基于混合DWT-HD-SVD技术的数字图像水印方法：攻击，PSNR，SSIM，NC