图像质量评估：使用 SSIM 计算图像相似性

原创

已于 2023-12-29 11:32:08 修改 · 1k 阅读

10 ·

CC 4.0 BY-SA版权

文章标签：

#opencv #python

于 2023-12-29 11:31:25 首次发布

本文介绍了如何使用Python和OpenCV库中的SSIM函数来计算两幅图像之间的结构相似性，提供了计算SSIM的详细步骤，并给出了一个实际应用示例。

在图像处理领域，衡量两幅图像之间相似性的一种常见方法是使用结构相似性指数（SSIM）。SSIM 是一种全参考的图像质量评估指标，它不仅考虑了图像的亮度、对比度，还考虑了结构信息。在本文中，我们将介绍一个使用 Python 和 OpenCV 实现的 SSIM 计算脚本，并使用该脚本评估两幅图像的相似性。

SSIM公式

在这里插入图片描述

以下是计算 SSIM 的 Python 脚本，其中使用了 OpenCV 和 NumPy 库。该脚本定义了两个函数：ssim 和 calculate_ssim。前者计算两个图像的 SSIM，后者根据输入图像的维度自动选择调用 SSIM 计算方法。

import cv2
import numpy as np
def ssim(img1, img2):
  C1 = (0.01 * 255)**2
  C2 = (0.03 * 255)**2
  img1 = img1.astype(np.float64)
  img2 = img2.astype(np.float64)
  kernel = cv2.getGaussianKernel(11, 1.5)
  window = np.outer(kernel, kernel.transpose())
  mu1