Stackoverflow社区,
我正在尝试计算Python中两个图像之间的SSIM(结构相似性)。我已经在skimage
Python库中找到了实现structural_similarity()函数的代码以及原始MatLab
实现的等效代码,该代码托管在这里。 实现如下:
def structuralSimilarityIndex(ref_image, impaired_image, cs_map=False):
window = Metric.fSpecialGauss(constant.SSIM_FILTER_SIZE,
constant.SSIM_FILTER_SIGMA)
C1 = (constant.SSIM_Constant_1 * constant.PIXEL_MAX) ** 2
C2 = (constant.SSIM_Constant_2 * constant.PIXEL_MAX) ** 2
mu1 = signal.fftconvolve(window, ref_image, mode='valid')
mu2 = signal.fftconvolve(window, impaired_image, mode='valid')
mu1_sq = mu1 * mu1
mu2_sq = mu2 * mu2
mu1_mu2 = mu1 * mu2
sigma1_sq = signal.fftconvolve(
window, ref_image*ref_image, mode='valid') - mu1_sq
sigma2_sq = signal.fftconvolve(
window, impaired_image*impaired_image, mode='valid') - mu2_sq
sigma12 = signal.fftconvolve(
window, ref_image*impaired_image, mode='valid') - mu1_mu2
if cs_map:
return (((2 * mu1_mu2 + C1) * (2 * sigma12 + C2)) / ((mu1_sq + mu2_sq + C1) * (sigma1_sq + sigma2_sq + C2)), (2.0 * sigma12 + C2) / (sigma1_sq + sigma2_sq + C2))
else:
return np.mean(((2 * mu1_mu2 + C1) * (2 * sigma12 + C2)) / ((mu1_sq + mu2_sq + C1) * (sigma1_sq + sigma2_sq + C2)))
我正在使用以下代码读取图像:
:
ref_image = np.asfarray(Image.open('ref_image.bmp').convert('L'))
impaired_image = np.asfarray(Image.open('impaired_image.bmp').covert('L)
输入图像的形状和
ref_image
和impaired_image
的dtype
分别为:
我已经使用相同的条件和相同的输入图像对两者进行了测试。(512, 512) float64
(512, 512) float64
# Using the above code
structuralSimilarityIndex(ref_image, impaired_image, cs_map=False)
# Using the function imported from skimage.metrics
structural_similarity(ref_image, impaired_image, gaussian_weights=False, use_sample_covariance=False)
结果差异很大,下面是结果:
来自Python库
Skimage
的SSIM:SSIM : 0.38135154028457885
来自上述代码的SSIM:
SSIM : 0.8208087737160036
编辑:
我添加了读取和调用代码
以上Python代码来自信号处理库,根据作者所说,该函数试图精确模拟SSIM作者提供的Matlab ssim.m功能。
更新:
我在相同的图像上测试了使用MatLab编写的原始代码,结果如下:
SSIM : 0.8424
与上面给出的Python实现的结果相差不远。