批量测试图像的LPIPS、SSIM、PSNR指标,并生成CSV文件结果

目录

背景:

代码:

结果


背景:

由于论文需要,我将测试代码进行了修改,融入了LPIPS等指标,关于LPIPS介绍,可以查看博客:

LPIPS图像相似性度量标准:The Unreasonable Effectiveness of Deep Features as a Perceptual Metric_Alocus的博客-优快云博客_lpips度量

代码:

代码中有两大部分需要进行修改,我在代码中进行了标注。

需要安装一些包,如pip install lpips

有疑问欢迎联系交流。

# -*- coding:utf-8 _*-
import argparse
import os
import cv2
import pandas as pd
import lpips
import torch
import torchvision.transforms as transforms
from skimage.metrics import peak_signal_noise_ratio
from skimage.metrics import structural_similarity

"""
author&wechat:Alocus
QQ:1913434222
data:2022.02.27
"""
#########################需要修改的部分(1)#######################
#abs_path = r'C:\Users\Administrator\Desktop\test\metric'         #绝对路径,存放csv文件位置
abs_path = os.getcwd()
test_set_name = r'Result'                                         #用于生成csv结果文件名字

#result_dir = r'C:\Users\Administrator\Desktop\test\metric\haze'  #存放结果的文件夹路径及名字
result_dir = os.path.join(abs_path,'EPDN_result' )
#GT_dir = r'C:\Users\Administrator\Desktop\test\metric\GT'        #存放GT的文件夹路径及名字
GT_dir = os.path.join(abs_path,'test-label' )
split = '_'                                                      #从result中分割出GT名字的符号,如10222_01_0.8411.png 中第一个符号为_,分割后GT为10222.png。 如何实际二者相同,请选择GT中没有的符号。
###########################################################

#存储列表
result_images =[] #结果图片名字列表
GT_image = []     #GT图片名字列表
image_number = [] #图片读取求指标的id
image_name = []   #图片读取求指标的id 对应的图片名
psnr_number = []  #psnr值列表
ssim_number = []  #ssim值列表
lpips_number = [] #lpips值列表
for root, _, fnames in sorted(os.walk(result_dir)):
    for fname in fnames:
        #path = os.path.join(root, fname)
        result_images.append(fname)                       ##结果图片名字列表

for root, _, fnames in sorted(os.walk(GT_dir)):
    for fname in fnames:
        #path = os.path.join(root, fname)
        GT_image.append(fname)                            #GT图片名字列表

for i in range(len(result_images)):
    print("now"+str(i))
    name_extension = result_images[i]                     #result图片全名
    (name, extension) = os.path.splitext(name_extension)  #分离名字和后缀

    ###########拼接出对应的GT中的全名###需要修改的部分(2)#########################
    index = name.find(split)                              #根据编名方式,提取出GT部分名字结束下标
    if index == -1:                                       #没有找到。则直接按照结果的名字拼接成GT名字
        index = len(name)
    find_name = name[:index]                              #提取出在GT中对应的图片名
    GT_name = 'label'+find_name[7:11]+".png"                     #拼接结果

    result_name_path =os.path.join(result_dir,name_extension)#拼接result 路径和名字
    GT_name_path =os.path.join(GT_dir,GT_name)            #拼接GT路径和名字
    # print(result_name_path)
    # print(GT_name_path)

    #开始计算指标
    result = cv2.imread(result_name_path)
    GT = cv2.imread(GT_name_path)
    psnr = peak_signal_noise_ratio(GT,result)
    ssim= structural_similarity(GT,result, multichannel=True)

    loss_fn_alex = lpips.LPIPS(net='alex',version=0.1) # best forward scores
    loss_fn_vgg = lpips.LPIPS(net='vgg',version=0.1) # closer to "traditional" perceptual loss, when used for optimization
    test1_res = result
    test1_label = GT
    transf = transforms.ToTensor()
    test1_label = transf(test1_label)
    test1_res = transf(test1_res)
    test1_ress = test1_res.to(torch.float32).unsqueeze(0)
    test1_labell = test1_label.to(torch.float32).unsqueeze(0)
    lpips_loss = loss_fn_alex(test1_ress, test1_labell)

    #计算结果存入列表
    image_number.append(str(i))
    image_name.append(name)
    psnr_number.append(psnr)
    ssim_number.append(ssim)
    lpips_number.append(lpips_loss)
#计算列表中指标值的平均值函数
def ave(lis):
    s = 0
    total_num = len(lis)
    for i in lis:
        s = s + i
    return s/total_num
#计算列表中指标值的平均值,并加入列表
total = 'total(' + str(len(image_number)) + ')'
image_number.append(total)
image_name.append('average')
psnr_ave = ave(psnr_number)
ssim_ave = ave(ssim_number)
lpips_ave = ave(lpips_number)
psnr_number.append(psnr_ave)
ssim_number.append(ssim_ave)
lpips_number.append(lpips_ave)
#生成csv文件
dit = {'image_number':image_number, 'result_name':image_name, 'psnr':psnr_number,'ssim':ssim_number,'lpips':lpips_number}
df = pd.DataFrame(dit)
csv_name = test_set_name + '_ssim&psnr&lpips.csv'    #拼接csv名字
csv_path = os.path.join(abs_path,csv_name)     #csv全路径
df.to_csv(csv_path,columns=['image_number','result_name','psnr','ssim','lpips'],index=False,sep=',')

print('————————————————————————————finish————————————————————————————')
print('csv_save_path:',csv_path)               ##csv全路径
print('result_photos_num:',len(result_images)) #result_photos_num
print('GT_photos_num:',len(GT_image))          #GT_photos_num
print('psnr_ave:',psnr_ave)                    #psnr_ave
print('ssim_ave:',ssim_ave)                    #ssim_ave
print('lpips_ave:',lpips_ave)                    #ssim_ave

结果:

注:有小伙伴测试时还是出现问题 ,我打包了个测试文件,图片可以按其命名放入对应文件夹,或者修改对应代码。

链接:https://pan.baidu.com/s/1xcScdzQofvQPkuVPy1FAVw?pwd=LUCK 
提取码:LUCK

<think>嗯,用户遇到了AttributeError,说模块'lpips'没有属性'PerceptualLoss'。这个问题看起来像是导入错误或者安装问题。我需要先理清楚可能的原因。 首先,用户是否正确安装了lpips库?可能他们安装的版本过旧或者不兼容。因为有时候新版本可能会有API的变化,或者旧版本没有包含某些类或函数。比如引用5中提到numpy版本问题导致属性错误,同样这里可能需要检查lpips的版本。 其次,用户导入的方式是否正确。正确的导入应该是from lpips import LPIPS或者类似的语句。如果用户直接使用import lpips然后调用lpips.PerceptualLoss,那可能PerceptualLoss不在顶层模块中,而是在子模块里。比如引用3中的Gradio的ClearButton可能位置发生了变化,需要调整导入路径。 另外,可能需要检查代码中的类名是否正确。比如是否有拼写错误,或者是否在最新版本中类名被重命名了。比如引用4中的LLaMATokenizer可能已经被移到了不同的模块,所以需要确认lpips的文档,看看PerceptualLoss是否存在,或者是否改名为其他名称。 还有,安装方式是否正确。lpips可能需要额外的步骤,比如从源码安装或者安装特定的依赖项。例如,有些库需要安装PyTorch作为前置条件,或者需要编译某些部分。引用1和2中的错误可能与环境配置有关,可能需要重新安装或更新依赖。 用户的环境是否有冲突的包?比如多个版本的lpips共存,或者与其他库发生冲突。可以建议用户创建一个干净的虚拟环境,重新安装lpips和相关依赖,看看问题是否解决。 总结可能的解决方案步骤:1. 检查安装版本,更新或降级;2. 确认导入语句是否正确;3. 查阅官方文档或GitHub issues是否有类似问题;4. 检查类名是否正确;5. 确保依赖项如PyTorch已正确安装;6. 创建虚拟环境排除冲突。</think>### 解决方案:AttributeError: module 'lpips' has no attribute 'PerceptualLoss' #### 1. 检查安装版本与导入语法 LPIPS库的接口设计在不同版本中可能发生变化。若使用旧版导入语法调用新版本库,会出现属性缺失错误。**正确操作流程**: - 通过pip检查当前安装版本: ```bash pip show lpips ``` - 若版本低于`0.1.4`,升级到最新版: ```bash pip install lpips --upgrade ``` - 修改代码导入方式: ```python from lpips import LPIPS # 新版本使用LPIPS类替代PerceptualLoss loss_fn = LPIPS(net='alex') # 支持vgg、squeeze等网络 ``` #### 2. 验证库安装完整性 部分环境可能出现依赖缺失或文件损坏,需彻底卸载后重新安装: ```bash pip uninstall lpips -y pip install lpips --no-cache-dir ``` #### 3. 检查PyTorch兼容性 LPIPS依赖PyTorch框架,需确认: - PyTorch版本≥1.7(支持LPIPS最新特性) - CUDA版本与PyTorch匹配 - 验证PyTorch基础功能: ```python import torch print(torch.cuda.is_available()) # 应输出True(GPU环境) ``` #### 4. 源码引用方式(高级用法) 若需直接调用底层实现,可通过以下方式访问: ```python import lpips loss_fn = lpips.LPIPS(net='vgg') # 使用类名而非旧版函数名 ``` #### 5. 虚拟环境隔离测试 创建纯净环境排除依赖冲突: ```bash conda create -n lpips_test python=3.8 conda activate lpips_test pip install lpips torch ``` --- ###
评论 23
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Alocus_

如果我的内容帮助到你,打赏我吧

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值