PSNR (Peak Signal-to-Noise Ratio) & Edukasi untuk masyarakat akan kejahatan terselubung dengan teknik Kriptografi PSNR

PSNR  (Peak Signal-to-Noise Ratio) 

• Penjelasan

PSNR (Peak Signal-to-Noise Ratio) adalah ukuran kualitas citra yang mengukur seberapa dekat citra yang dihasilkan oleh sistem ke citra aslinya. Nilai PSNR yang lebih tinggi menunjukkan kualitas citra yang lebih baik.

PSNR dihitung dengan menggunakan rumus sebagai berikut:

PSNR = 10 * log10(255^2 / MSE)

Dimana MSE (Mean Squared Error) adalah nilai rata-rata kuadrat dari perbedaan nilai antara citra asli dan citra yang dihasilkan. MSE dihitung dengan mengiterasi melalui setiap pixel dari kedua citra dan menghitung perbedaan nilai pixel, kemudian mengalikannya dengan jumlah total pixel dalam citra.

PSNR biasanya digunakan untuk mengukur kualitas citra yang telah diolah atau dikompresi, terutama dalam aplikasi pengolahan citra digital. Misalnya, PSNR dapat digunakan untuk mengukur kualitas citra yang telah dikompresi dengan algoritma kompresi citra yang berbeda, atau untuk mengukur kualitas citra yang telah diolah dengan algoritma pengolahan citra yang berbeda.

PSNR juga dapat digunakan untuk mengukur kualitas sinyal video. Misalnya, PSNR dapat digunakan untuk mengukur kualitas sinyal video yang dihasilkan oleh sistem pemancar televisi atau sistem penyiaran video lainnya.

PSNR berguna untuk mengukur kualitas citra yang telah diolah atau dikompresi, atau sinyal video yang dihasilkan oleh sistem penyiaran. Ini dapat membantu para pengguna untuk membandingkan kualitas citra yang dihasilkan oleh algoritma atau sistem yang berbeda, dan membantu dalam menentukan algoritma atau sistem yang paling cocok untuk keperluan yang spesifik.

• PSNR Menggunakan Bahasa Pemrograman Python

PSNR (Peak Signal-to-Noise Ratio) adalah ukuran kualitas gambar yang menunjukkan seberapa bagus gambar yang dihasilkan dibandingkan dengan gambar asli. Nilai PSNR yang lebih tinggi menunjukkan kualitas gambar yang lebih baik.

Untuk menghitung PSNR di Python, Anda dapat menggunakan fungsi mean_squared_error dari library sklearn.metrics. Anda dapat menggunakan fungsi ini untuk menghitung mean squared error (MSE) antara gambar asli dan gambar yang dihasilkan, kemudian menggunakan rumus PSNR untuk menghitung nilai PSNR. Berikut ini adalah contoh kode sederhana untuk menghitung PSNR di Python:

from sklearn.metrics import mean_squared_error
import numpy as np

# Asumsikan gambar_asli dan gambar_hasil adalah numpy arrays yang menyimpan gambar asli dan gambar yang dihasilkan
mse = mean_squared_error(gambar_asli, gambar_hasil)

# Rumus PSNR adalah 20 * log10(peak signal) - 10 * log10(mean squared error)
# Nilai peak signal biasanya dianggap 255 untuk gambar 8-bit
peak_signal = 255
psnr = 20 * np.log10(peak_signal) - 10 * np.log10(mse)
print(f'Nilai PSNR: {psnr:.2f} dB')

Codingan&penjelasannya.