Cara Menghitung MSE dan PSNR
Ada beberapa parameter pengukuran kesalahan atau error dalam pemrosesan citra. Dua parameter yang paling umum digunakan adalah Mean Square Error (MSE) dan Peak Signal to Noise Ratio (PSNR).
Menghitung Nilai MSE
merupakan ukuran yang baik untuk mengukur kesamaan 2 buah citra. Misalkan kita memiliki 2 buah citra f dan g dengan dimensi yang MxN
(1) ![\begin{equation*} \begin{split} MSE & =\frac{\sum_{x=1}^{M} \sum_{y=1}^{N} e^{2}(x,y)}{M.N} \\ & = \frac{\sum_{x=1}^{M} \sum_{y=1}^{N} [h(x,y)-f(x,y)]^2}{M.N} \end{split} \end{equation*}](https://softscients.com/wp-content/ql-cache/quicklatex.com-ec992e330a105eb9c8e40c09de02bf53_l3.png "Rendered by QuickLaTeX.com")
Semakin besar nilai MSE, maka semakin besar perbedaan antara 2 buah citra yang dibandingkan.
Menghitung Nilai PSNR
![\[ PSNR=20 \quad log_{10} \frac{nilai \quad max}{MSE^{\frac{1}{2}}} \]](https://softscients.com/wp-content/ql-cache/quicklatex.com-2e15689f182cb8e04b53def7d39d4235_l3.png "Rendered by QuickLaTeX.com")
Tak seperti MSE, nilai PSNR yang lebih besar mengindikasikan aproksimasi yang lebih dekat dari g pada f. Satuan yang digunakan PSNR adalah desibel (db). Oiya jangan salah ya mengenai function log.
Latihan menghitung MSE dan PSNR
Yuk kita coba menggunakan octave untuk penerapan rumus diatas, misalkan ada array h dan f akan dihitung nilai MSE dan PSNR nya
clc;clear all;close all;
h = [ 7 1 1;
2 3 4;
5 0 6]
f = [ 6 1 1;
4 3 4;
5 3 6]
M = size(h,1)
N = size(h,2)
#hitung nilai MSE
nilai_mse = sum(sum((h-f).^2))/(M*N)
nilai_max = max(max([h,f]))
#mencari nilai PSNR
nilai_PSNR = 20 *log10(nilai_max/sqrt(nilai_mse))
hasil
h = 7 1 1 2 3 4 5 0 6 f = 6 1 1 4 3 4 5 3 6 M = 3 N = 3 nilai_mse = 1.5556 nilai_max = 7 nilai_PSNR = 14.983
