SSIM（结构相似性）

SSIM可以抵消MSE无法衡量图像结构相似性的缺陷。

SSIM定义：

其中：α、β、γ均大于0

上式中，μ_x，μ_y为图像块所有像素；δ_x,δ_y为图像像素值的标准差；δ_xy为x与y的协方差；C_1，C_2，C_3为常数，为避免分母为0时带来的系统错误。
在实际应用中，α=β=γ=1，C_3= 0.5C_2，则SSIM表达式为：

SSIM性质

1. SSIM具有对称性。即SSIM(x,y)=SSIM(y,x)
2. SSIM是一个0到1之间的数，SSIM越大，两图像间差异越小。

tensorflow实现：

tf.image.ssim(img1,img2,max_val)
img1：第一批图片。
img2：第二批图片。
max_val：图像的动态范围（即最大允许值和最小允许值之间的差值）。

注意：真正的SSIM仅在灰度上定义。 此函数不执行任何颜色空间转换。 （如果输入已经是YUV，那么它将计算YUV SSIM平均值。）

使用python实现

import tensorf