Kompresi Gambar Dengan Matlab 7

(1)

Kompresi gambar Dengan Matlab 7.1

KOMPRESI

Secara garis besar, kompresi merupakan proses untuk menghilangkan Secara garis besar, kompresi merupakan proses untuk menghilangkan berbagai kerumitan yang tidak penting (redundansi) dari suatu informasi berbagai kerumitan yang tidak penting (redundansi) dari suatu informasi dengan cara memadatkan isi file s

dengan cara memadatkan isi file sehingga ukurannya menjadi lebih kecilehingga ukurannya menjadi lebih kecil dengan memaksimalkan kesederhanaannya dan tetap menjaga kualitas dengan memaksimalkan kesederhanaannya dan tetap menjaga kualitas penggambaran dari informasi tersebut. Kompresi data menjadi sangat penggambaran dari informasi tersebut. Kompresi data menjadi sangat pe

pennttiinng g kkarareenna a mmeemmppeerkrkeecciil l kekebbuuttuhuhan an ppeennyiyimmppaananan n ddaatta,a, m

meemmppeerrcceeppaat t ppeennggiirriimmaan n ddaattaa, , mmeemmppeerrkkeecciil l kkeebbuuttuuhhaann band

bandwitwith.Th.Tekneknik ik komkomprepresi si bisa bisa dildilakukakukan an terterhadhadap ap datdata a teteks/bks/bineiner,r, gam

gambar bar (JP(JPEG, EG, PNGPNG, , TIFFTIFF), ), audaudio io (M(MP3, P3, AAAAC, C, RMRMA, A, WMWMA), dan A), dan vidvideoeo (MPEG, H261, H263). (MPEG, H261, H263).

L

a

n

g

k

a

h

-

L

a

n

g

k

a

h

P

e

m

b

u

a

t

a

n

A

p

l

i

k

a

s

i

K

o

m

p

r

e

s

i

Aplikasi kompresi yang kami buat, menggunakan MATLAB 7, yaitu

software yang digunakan sebagai alat pemrograman standar bidang

m

mat

atem

emaati

tik

kaa,

, rrek

ekaay

yas

asa

a d

dan

an k

kei

eilm

lmu

uan

an y

yaan

ng

g te

terk

rkaait

it.

. M

MA

AT

TLA

LAB

B

m

men

eny

yed

edia

iaka

kan

n b

beb

eber

erap

apa

a pi

pili

liha

han

n un

untu

tuk

k di

dipe

pela

laja

jari

ri ya

yait

itu

u m

met

etod

odee

v

viissu

uaalliissaassi

i d

daan

n p

pem

emrro

og

grraam

maan

n...

. A

Ad

da

a b

beb

ebeera

rap

pa

a ttaah

haap

p d

daallaam

m

pembuatannya, tahap pertama adalah membuat design figure sseperti

gambar berikut

(2)

De

Desi

sign

gn fi

figu

gure

re me

meru

rupa

paka

kan

n ta

taha

hap

p un

untu

tuk

k me

mend

ndes

esai

ain

n ta

tamp

mpil

ilan

an da

dari

ri

apl

aplik

ikasi

asi yan

yang

g ak

akan

an dib

dibuat

uat.

. Ad

Ada

a be

beber

berapa

apa co

comp

mpon

onent

ent pa

palet

lette

te ya

yang

ng

digunakan, yaitu dua buah axes untuk menampilkan gambar asli dan

gam

gamba

bar

r has

hasil

il ko

konv

nvers

ersi.

i. Kem

Kemud

udian

ian ad

ada

a beb

bebera

erapa

pa sta

static

tic tex

text

t unt

untuk

uk

menampilkan nama file dan ukuran dari gambar yang dibuka serta

yang telah di

yang telah di kompress

kompressi.

i. Selain itu ada

Selain itu ada pula pushbutton yang berfung

pula pushbutton yang berfungsi

si

un

untu

tuk

k me

meny

nyed

edia

iaka

kan

n me

nu da

dari

ri ap

apli

lika

kasi

si in

ini

i ya

yait

itu,

u, bu

buka

ka ga

gamb

mbar

ar,,

ko

komp

mpres

res,

, dan

dan kel

keluar

uar.

. Un

Untuk

tuk me

meng

ngedi

edit

t ata

atau

u me

meng

ngatu

atur

r com

compon

ponent

ent

pallet, klik dua kali pada pallete yang ingin diedit dan akan keluar

tampilan property inspector

(3)

Setelah membuat desain, selanjutnya adalah membuat source code

program. Untuk memulai membuatnya, buka layout figure yang telah

dibuat kemudian klik kanan pada figure dan pilih M-file, kemudian

ketik source code pada editor M-file

Pada function buka_Callback, kita ketikkan source code seperti

berikut

[nama_file1, nama_path1]=uigetfile( ... {'*.bmp;,*.jpg','File Citra(*.bmp,*.jpg)'; '*.bmp','File

(4)

Bitmap(*.bmp)';... '*.jpg','File JPEG(*.jpg)'; '*.*','Semua File(*.*)'},... 'Buka File Citra Host/Asli'); if

~isequal(nama_file1, 0) handles.data1=imread(fullfile(nama_path1,nama_file1)); guidata(hObject,handles); handles.current_data1=handles.data1; axes(handles.citra1); imshow(handles.current_data1); set(handles.text2,'String',nama_file1); set(handles.text8,'String',size(handles.data1,1)); set(handles.text11,'String',size(handles.data1,2)); else return; end

script tersebut menjelaskan bahwa pada function buka_Callback

terdapat fungsi uigetfile yang digunakan untuk membaca file citra

dengan format yang ditentukan yaitu .bmp, .jpg sebagai filter.

Berikutnya ketikkan script berikut pada function kompres_Callback

[nama_file_simpan, path_simpan]=uiputfile(... {'*.jpg','File citra(*.jpg)'; '*.jpg','Citra JPEG(*.jpg)';... '*.*','Semua File(*.*)'},... 'Menyimpan File Citra Hasil Kompresi JPEG'); imwrite(handles.data1, fullfile(path_simpan, nama_file_simpan)); citra_kompres=imread(fullfile(path_simpan, nama_file_simpan)); guidata(hObject,handles); axes(handles.citra2); imshow(citra_kompres); set(handles.text4,'String',nama_file_simpan);

(5)

set(handles.text12,'String',size(handles.data1,1)); set(handles.text13,'String',size(handles.data1,2));

script tersebut menyatakan bahwa terdapat fungsi uigetfile pada function kompres_Callback yang digunakan untuk membuat file citra yang di kompresi akan

berformat *.jpg apapun format awal file citra tersebut. Terakhir adalah mengetikkan script pada bagian function keluar_Callback, script yang diketikkan adalah selection=questdlg(['Keluar ' get(handles.figure1,'Name')''],... ['Keluar ' get(handles.figure1,'Name')''],... 'Ya','Tidak','Ya'); if strcmp(selection,'Tidak') return; end delete(handles.figure1)

Script tersebut berfungsi menampilkankotak dialog yang berisi dua

pushbutton yaitu “Ya” dan “Tidak” yang akan menanyakan apakah

pengguna

ingin

keluar

dari

aplikasi

atau

tidak.

Hasil dari aplikasi ini jika dijalankan adalah sebagai berikut,

(6)

• Tampilan Pilih Menu Buka Gambar

• Tampilan Gambar Asli

(7)

• Tampilan Gambar Asli & Gambar Kompresi

• Tampilan Menu Keluar

Aplikasi Kompresi Gambar menggunakan MATLAB

Posted: 26 November 2010 in Tidak terkategori

3

Nama Anggota Kelompok PPC : 1. Achmad Thohir (50407016)

(8)

2. Wenny Rahmawati (50407891)

Pengolahan Citra adalah Pemrosesan citra, khususnya dengan menggunakan komputer, menjadikan citra dengan kualitas yang lebih baik. Pengolahan Citra bertujuan untuk memperbaiki kualitas citra agar mudah diinterprestasi oleh manusia atau mesin (dalam hal ini komputer). Teknik-teknik pengolahan citra mentransformasikan citra menjadi citra lain, salah satunya adalah kompresi citra (image compression). Jadi, masukannya adalah citra dan keluarannya juga citra, namun citra keluarannya mempunyai ukuran citra lebih kecil daripada citra masukannya.

Kompresi merupakan proses untuk menghilangkan berbagai kerumitan yang tidak penting (redudansi) dari suatu informasi dengan cara memadatkan isi file sehingga ukurannya menjadi lebih kecil dengan memaksimalkan kesederhanaannya dan tetap menjaga kualitas penggambaran dari informasi tersebut. Aplikasi kompresi yang saya buat menggunakan

masukan (input) berupa citra dengan beberapa format seperti format JPEG, Bitmap, PNG, dan TIF dan menghasilkan keluaran (output) berupa citra dengan format JPEG.

Langkah – langkah pembuatan Program Kompresi

A. Membuat Desain Figure

Aplikasi kompresi ini dibuat menggunakan MATLAB 7.1 dengan membuat sebuah user interface MATLAB dengan fasilitas GUIDE. Untuk membuat sebuah user interface

dimulai dengan mmbuat desain sebuah figure dengan memanfaatkan uicontrol (control user interface) yang tersedia di editor figure. Uicontrol yang digunakan untuk membuat aplikasi kompresi ini adalah :

1. Axes

Axes digunakan untuk menampilkan sebuah grafik atau gambar (image). Pada pembuatan aplikasi ini digunakan 2 Axes yang digunakan untuk menampilkan citra asli dan citra kompresi.

2.Static Text

Static Text akan menghasilkan teks bersifat tetap sehingga user tidak dapat melakukan perubahan. Teks dan beberapa fasilitas lainnya dapat diatur dalam static text. Seperti jenis

dan ukuran font, warna dll. Pada pembuatan aplikasi kompresi ini terdapat 2 static text yaitu Nama file untuk citra masukan dan Nama file untuk citra keluaran.

3. Pushbutton

Pushbutton merupakan jenis control berupa tombol tekan yang akan menghasilkan sebuah tindakan jika diklik. Pada pembuatan aplikasi ini, pushbutton yang digunakan adalah Pilih Gambar, Kompres dan Keluar.

(9)

Pembuatan Source Code Program Kompresi

Penulisan source code pada pembuatan aplikasi dengan MATLAB menggunakan editor M-file.

a. Buka Layout Figure yang telah dibuat, lalu klik kanan pada figure pilih M-file. b. Ketikkan source code pada Editor M-file.

Program kompresi ini disimpan dengan nama PPC.fig. Pada MATLAB terdapat function yang tersedia secara otomatis seperti dibawah ini :

function varargout = PPC(varargin) % PPC M-file for PPC.fig

% PPC, by itself, creates a new PPC or raises the existing % singleton*.

%

% H = PPC returns the handle to a new PPC or the handle to % the existing singleton*.

%

% PPC(‘CALLBACK’,hObject,eventData,handles,…) calls the local

% function named CALLBACK in PPC.M with the given input arguments. %

(10)

% PPC(‘Property’,'Value’,…) creates a new PPC or raises the

% existing singleton*. Starting from the left, property value pairs are % applied to the GUI before PPC_OpeningFunction gets called. An

% unrecognized property name or invalid value makes property application % stop. All inputs are passed to PPC_OpeningFcn via varargin.

%

% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one % instance to run (singleton)”.

%

% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help PPC % Last Modified by GUIDE v2.5 23-Nov-2010 15:28:23 % Begin initialization code – DO NOT EDIT

gui_Singleton = 1;

gui_State = struct( ‘gui_Name‘, mfilename, … ‘gui_Singleton’, gui_Singleton, …

‘gui_OpeningFcn’, @PPC_OpeningFcn, … ‘gui_OutputFcn’, @PPC_OutputFcn, … ‘gui_LayoutFcn’, [] , …

‘gui_Callback’, []);

if nargin && ischar(varargin{1})

gui_State.gui_Callback = str2func(varargin{1}); end

(11)

if nargout

[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else

gui_mainfcn(gui_State, varargin{:}); end

% End initialization code – DO NOT EDIT % — Executes just before PPC is made visible.

function PPC_OpeningFcn(hObject, eventdata, handles, varargin) % This function has no output args, see OutputFcn.

% hObject handle to figure

% eventdata reserved – to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to PPC (see VARARGIN) % Choose default command line output for PPC

handles.output = hObject; % Update handles structure guidata(hObject, handles);

% UIWAIT makes PPC wait for user response (see UIRESUME) % uiwait(handles.figure1);

% — Outputs from this function are returned to the command line. function varargout = PPC_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT); % hObject handle to figure

(12)

% eventdata reserved – to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % Get default command line output from handles structure

varargout{1} = handles.output;

% — Executes on button press in buka.

function buka_Callback(hObject, eventdata, handles) % hObject handle to buka (see GCBO)

% eventdata reserved – to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

%Bagian ini merupakan bagian yang mengatur satuan gambar yang digunakan untuk kompresi citra masukan.

[nama_file1, nama_path1]=uigetfile( … {‘*.bmp;,*.jpg’,'File Citra(*.bmp,*.jpg)’; ‘*.bmp’,'File Bitmap(*.bmp)’;…

‘*.jpg’,'File JPEG(*.jpg)’; ‘*.*’,'Semua File(*.*)‘},… ‘Buka File Citra Host/Asli’); if ~isequal(nama_file1, 0) handles.data1=imread(fullfile(nama_path1,nama_file1)); guidata(hObject,handles); handles.current_data1=handles.data1; axes(handles.Gambar1); imshow(handles.current_data1); set(handles.text2,’String’,nama_file1);

(13)

else return; end

% — Executes on button press in kompres.

function kompres_Callback(hObject, eventdata, handles) % hObject handle to kompres (see GCBO)

% eventdata reserved – to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

%Bagian ini menunjukkan bahwa hasil kompresi hanya akan berformat .jpg [nama_file_simpan, path_simpan]=uiputfile(…

{‘*.jpg’,'File citra(*.jpg)‘; ‘*.jpg’,'Citra JPEG(*.jpg)’;… ‘*.*’,'Semua File(*.*)’},…

‘Menyimpan File Citra Hasil Kompresi JPEG’);

imwrite(handles.data1, fullfile(path_simpan, nama_file_simpan)); citra_kompres=imread(fullfile(path_simpan, nama_file_simpan)); guidata(hObject,handles);

axes(handles.Gambar2); imshow(citra_kompres);

set(handles.text4,’String‘,nama_file_simpan); % — Executes on button press in keluar.

function keluar_Callback(hObject, eventdata, handles) % hObject handle to keluar (see GCBO)

(14)

% eventdata reserved – to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) %Bagian ini merupakan perintah untuk kotak dialog keluar

selection=questdlg(['Keluar ' get(handles.figure1,' Name')''],… ['Keluar ' get(handles.figure1,' Name')''],… ‘Ya‘,‘Tidak ‘,’Ya‘); if strcmp(selection,’Tidak ‘) return; end delete(handles.figure1)

c. Setelah di compile dan di run, hasilnya seperti ini :

d. Jika kita memilih button Pilih Gambar, maka akan muncul kotak dialog seperti dibawah ini :

(15)

e. Selanjutnya kita pilih gambar yang kita inginkan masing-masing. Dalam hal ini saya memilih file nolte.bmp

f. Langkah selanjutnya setelah kita memilih button kompress, program ini terlebih dahulu meminta direktori yang akan menjadi tempat tujuan disimpannya file gambar tersebut

(16)

g. Hasil kompresi dapat dilihat dibawah ini. Perubahan terjadi, gambar masukan awalnya berformat .bmp menjadi .jpg dengan ukuran yang lebih kecil.

h. Dan jika kita memilih button Keluar, muncul kotak dialog untuk memastikan apakah kita serius untuk keluar dari program kompresi ini.

Selamat Mencoba!

% MATLAB 4.2c JPEG image compression program % by Scott Teresi, www.teresi.us

% March 15-17, 1997

% Data Classification and Compression class % Dr. Salari, Univ. of Toledo

% This program compresses an image using the JPEG algorithm

% Enter matlab, then type the name of this file (jpeg) to execute it. % It requires a ".mat" file containing raw black-and-white image data % stored in matrix variable "X". The matrix contains the pixel

intensities.

% Also, store a colormap in variable "map" (see first few lines of program).

(17)

clear % clear all variables from previous sessions load lenna % load file of variables containing a gray image matrix

orig_img = X; % image matrix was stored in variable X % image colormap is stored in variable map quant_multiple = 1; % set the multiplier to change size of quant. levels

% (fractions decrease distortion)

% vary quant_mult from .1 to 3 (see jpeg.results file)

blocksize = 8; % set the size of chunks to take the DCT of ( =< 8)

DCT_quantizer = ... % levels for quantizing the DCT block (8x8 matrix) [ 16 11 10 16 24 40 51 61; ... 12 12 14 19 26 58 60 55; ... 14 13 16 24 40 57 69 56; ... 14 17 22 29 51 87 80 62; ... 18 22 37 56 68 109 103 77; ... 24 35 55 64 81 104 113 92; ... 49 64 78 87 103 121 120 101; ... 72 92 95 98 112 100 103 99 ]; sz = size(orig_img);

rows = sz(1,1); % finds image's rows and columns cols = sz(1,2);

colors = max(max(orig_img)); % guess at the number of colors in the image

% Replace a color colormap with a grayscale one %

% map_sz = size(map); % clrs = map_sz(1,1);

% gray_map = (0:clrs-1)' / (clrs-1);

% gray_map = [gray_map gray_map gray_map]; % map = gray_map;

% colormap(map)

% Introduction str = str2mat( ...

'Scott Teresi, March 1997.', ...

'This program implements the JPEG data compression algorithm.'); ssdisp(0, str);

fprintf (1, 'Image used: lenna.mat\n');

fprintf (1, 'Its size is: %dx%d\n', rows, cols); fprintf (1, 'Number of colors (guess): %d\n', colors);

fprintf (1, 'DCT block size: %dx%d\n', blocksize, blocksize); fprintf (1, 'Quant. size multiplier: %d\n', quant_multiple);

(18)

% Display the original image figure(1) image(orig_img) colormap(map) title('Original image') figure(2)

% Prepare image for transform

% Level-shift the image (center intensity values around 0) orig_img = orig_img - ceil(colors/2);

% Replicate edges of image to make its dimensions a multiple of blocksize

pad_cols = (1 - (cols/blocksize - floor(cols/blocksize))) * blocksize; if pad_cols == blocksize, pad_cols = 0; end

pad_rows = (1 - (rows/blocksize - floor(rows/blocksize))) * blocksize; if pad_rows == blocksize, pad_rows = 0; end

for extra_cols = 1:pad_cols

orig_img(1:rows, cols+extra_cols) = orig_img(1:rows, cols); end

cols = cols + pad_cols; % orig_img is now pad_cols wider for extra_rows = 1:pad_rows

orig_img(rows+extra_rows, 1:cols) = orig_img(rows, 1:cols); end

rows = rows + pad_rows; % orig_img is now pad_rows taller

% calculate the DCT transform matrix

% (from page 336 of the Intro to Data Compression book) i = 0; for j = 0: blocksize - 1 DCT_trans(i + 1, j + 1) = sqrt(1 / blocksize) ... * cos ((2 * j + 1) * i * pi / (2 * blocksize)); end for i = 1: blocksize - 1 for j = 0: blocksize - 1 DCT_trans(i + 1, j + 1) = sqrt(2 / blocksize) ... * cos ((2 * j + 1) * i * pi / (2 * blocksize)); end end

(19)

% Take DCT of blocks of size blocksize

fprintf(1, '\nFinding the DCT and quantizing...\n');

starttime = cputime; % "cputime" is an internal cpu time counter

jpeg_img = orig_img - orig_img; % zero the matrix for the compressed image

for row = 1: blocksize: rows for col = 1: blocksize: cols

% take a block of the image:

DCT_matrix = orig_img(row: row + 1, col: col + blocksize-1);

% perform the transform operation on the 2-D block

% (from page 331 of the Intro to Data Compression book) DCT_matrix = DCT_trans * DCT_matrix * DCT_trans';

% quantize it (levels stored in DCT_quantizer matrix): DCT_matrix = floor (DCT_matrix ...

./ (DCT_quantizer(1:blocksize, 1:blocksize) * quant_multiple) + 0.5);

% place it into the compressed-image matrix:

jpeg_img(row: row + blocksize-1, col: col + blocksize-1) = DCT_matrix;

end end

fprintf(1, ' CPU time used: %1.3f\n', (cputime - starttime))

% Reverse the process (take the Inverse DCT)

fprintf(1, 'Reconstructing quantized values and taking the inverse DCT...\n');

starttime = cputime;

recon_img = orig_img - orig_img; % zero the matrix for the reconstructed image

for row = 1: blocksize: rows for col = 1: blocksize: cols

% take a block of the image:

IDCT_matrix = jpeg_img(row: row + blocksize-1, col: col + blocksize-1);

(20)

% reconstruct the quantized values: IDCT_matrix = IDCT_matrix ...

.* (DCT_quantizer(1:blocksize, 1:blocksize) * quant_multiple);

% perform the inverse DCT:

IDCT_matrix = DCT_trans' * IDCT_matrix * DCT_trans; % place it into the reconstructed image:

recon_img(row: row + blocksize-1, col: col + blocksize-1) = IDCT_matrix;

end end

fprintf(1, ' CPU time used: %1.3f\n', (cputime - starttime))

% Restore image to normal % Level-shift the image back

recon_img = recon_img + ceil(colors/2); orig_img = orig_img + ceil(colors/2); % Clip off padded rows and columns rows = rows - pad_rows;

cols = cols - pad_cols;

recon_img = recon_img(1:rows, 1:cols); % Display image

colormap(map) image(recon_img)

title('Decompressed JPEG image')

% Calculate signal-to-noise ratio

fprintf(1, 'Finding the signal-to-noise ratio...\n'); starttime = cputime;

PSNR = 0;

for row = 1:rows for col = 1:cols

PSNR = PSNR + (orig_img(row, col) - recon_img(row, col)) ^ 2; end

end

PSNR = 10 * log10 ((255^2) / (1 / (((rows + cols) / 2) ^ 2) * PSNR)); % (averaged rows and cols together)

(21)

fprintf(1, '\nThe signal-to-noise ratio (PSNR) is: %1.3f dB\n\n', PSNR);

JPEG colour compression using MATLAB

clc; img = imread('lena.bmp'); % JPEG compression jpegcompression(img,'lena_compressed.mat'); % JPEG decompression Irec = jpegrestoration('lena_compressed.mat'); % System performances [CR,BPP,PSNR,MSE,SNR] = systemperformances(img,Irec,'lena_compressed.mat'); % Plotting figure,subplot(1,2,1),imshow(img),title('Original image'),... subplot(1,2,2),imshow(Irec),title('Decompressed image'); disp('Compression ratio:'); disp(CR);

disp('Bits per pixel:'); disp(BPP);

disp('Peak signal to noise ratio:'); disp(PSNR);

disp('Mean squared error:'); disp(MSE);

disp('Signal to noise ratio'); disp(SNR);

function

[CR,BPP,PSNR,MSE,SNR]=systemperformances(I0,I1,compressed_data_file) % Performances of compression algorithm

% INPUT:

% I0: original image % I1: decompressed image

% compressed_data_file: file name of cmpressed data % OUTPUT:

% Ires: reconstructed image % CR: compression ratio % BPP: bits per pixel

% PSNR: peak signal to noise ratio % MSE: mean squared error

% SNR: signal to noise ratio %img = imread('lena.bmp'); % JPEG compression %jpegcompression(img,'lena_compressed.mat'); % JPEG decompression %Irec = jpegrestoration('lena_compressed.mat'); I0 = imread('lena.bmp'); % JPEG compression jpegcompression(I0,'lena_compressed.mat'); % JPEG decompression I1 = jpegrestoration('lena_compressed.mat'); I0 = double(I0); I1 = double(I1); if ndims(I0)==3 size0 = 3*8*size(I0,1)*size(I0,2); else

(22)

size0 = 1*8*size(I0,1)*size(I0,2); end file1 = dir(compressed_data_file); size1 = 8*file1.bytes; % Compression ratio CR = size0/size1; % Bits per pixel

BPP = size1/(size(I0,1)*size(I0,2)); % Difference signal Id = (I0-I1); signal = sum(sum(I0(:).^2)); noise = sum(sum(Id(:).^2)); SNR = 10*log10(signal/noise); MSE = noise/numel(I0); peak = max(I0(:)); PSNR = 10*log10(peak^2/MSE);