Python(PyTorch)和MATLAB及Rust和C++结构相似度指数测量导图

🎯要点

1. 量化检查图像压缩质量
2. 低分辨率多光谱和高分辨率图像实现超分辨率分析图像
3. 质量图像索引/多尺度结构相似度指数和光谱角映射器及视觉信息保真度多种指标
4. 峰值信噪比和结构相似度指数测量
5. 结构相似性图像分类
6. PNG和JPEG图像相似性近似算法
7. 图像压缩，视频压缩、端到端优化图像压缩、神经图像压缩、GPU变速图像压缩
8. 手术机器人深度估计算法重建三维可视化
9. 推理图像超分辨率算法模型
10. 三维实景实时可微分渲染算法
    

MATLAB结构相似度指数优劣

在本文中假设所有图像均以 sRGB 颜色空间进行编码，即使用指数 $\approx 2.4$ 进行近似伽马编码。请注意，这意味着假定由本文脚本加载的图像可以直接在屏幕上按原样查看。对于两个图像$A$和$B$，每像素结构相似性指数测量的原始公式由下式给出
$$\mathrm{SSIM}(x,y)=(l(x,y){)}^{\alpha }(c(x,y){)}^{\beta }(s(x,y){)}^2(1)$$
其中 $A$ 和 $B$ 是所有函数的输入，但为了清楚起见省略了。为了计算像素周围补丁的均值、方差和协方差，他们使用这些公式的高斯加权版本，滤波器内核为 $11\times 11$ 像素和 $\sigma =1.5$。亮度分量 $l$ 则为
$$l(x,y)=\frac{2{\mu }_A{\mu }_B+C_1}{{\mu }_A^2+{\mu }_B^2+C_1}(2)$$
其中平均值 ${\mu }_A$ 和 ${\mu }_B$ 也是 $x,y$ 的函数，例如 ${\mu }_A(x,y)$，但我们跳过 $ (x, y)$ 支持更短的符号，对于方差 ${\sigma }_A^2$ 和 ${\sigma }_B^2$ 以及协方差 ${\sigma }_{AB}$ 也是如此。对比分量 $c$ 是
$$c(x,y)=\frac{2{\sigma }_A{\sigma }_B+C_2}{{\sigma }_A^2+{\sigma }_B^2+C_2}(3)$$
最后，结构分量 $s$ 是
$$s(x,y)=\frac{{\sigma }_{AB}+C_3}{{\sigma }_A{\sigma }_B+C_3}(4)$$
学者们提出 $C_1={\left(K_{1}L\right)}^2、C_2={\left(K_{2}L\right)}^2$ 和 $C_3=C_2/2$，其中 $L=255$ 对于 8 位组件图像。此外，他们选择了 $K_1=0.01$ 和 $K_2=0.03$。如果图像的范围是$[0,1]$，我们设置$L=1$以获得相同的结果，即$C_1=K_1^2$和$C_2=K_2^2$。最后，在整个图像上汇集的平均 SSIM (MSSIM) 值是
$$\mathrm{MSSIM}(A,B)=\frac{1}{wh}\sum _x\sum _y\mathrm{SSIM}(x,y)(5)$$
其中 $w$ 和 $h$ 是图像的宽度和高度。可以看出，${\sigma }_A{\sigma }_B$ 项位于方程 3 的分子中，以及方程 4 的分母中。为了创建简化的表达式，建议使用 $\alpha =\beta =\gamma =1$ 和 $C_3=C_2/2$，结果是
$$\mathrm{SSIM}(x,y)=\frac{\left(2{\mu }_A{\mu }_B+C_1\right)\left(2{\sigma }_{AB}+C_2\right)}{\left({\mu }_A^2+{\mu }_B^2+C_1\right)\left({\sigma }_A^2+{\sigma }_B^2+C_2\right)}(6)$$
以上等从数学角度分析 SSIM 的组成部分。下面将详细讨论质量指数本身的行为。我们使用符号 $x/y$ 来表示特定灰度值的像素。例如，128/255对应灰度值$50.2\%$。简写形式 $x\mid y$ 指定像素大小的棋盘图案，颜色为 $x/255$ 和 $y/255$。字母 $b$ 和 $w$ 分别是黑色 $(0/255)$ 和白色 (255/255) 的简写。

图1执行代码：

isOctave = exist('OCTAVE_VERSION', 'builtin') ~= 0;
if(isOctave)
   pkg load image; 
end
disp("");
disp("====================");
disp("Results for Figure 1");
disp("--------------------");


srcdir = "teaser/";
dstdir  = "result_images/";
images = ["earthmoon"; "plants"; "i01_l95_tid2013"; "monument_awgn5"; "einstein"; "snow_leaves_contrast3"];

for idx = 1:length(images)
    name = images(idx,:);
    srcfileprefix = strcat(srcdir, name);
    
    A=rgb2gray(imread(convertStringsToChars(strcat(srcfileprefix, '_reference.png'))));
    B=rgb2gray(imread(convertStringsToChars(strcat(srcfileprefix, '_test.png'))));
    [mssim_simplified, mssim, ssim_map_simplified, ssim_map, l_map, c_map, s_map] = ssimlcs(A,B);
    mssim_simplified
    float2grayred(ssim_map, strcat(dstdir, name, '_ssim.png'), 1);
    float2grayred(l_map, convertStringsToChars(strcat(dstdir, name, '_L.png')), 1);
    float2grayred(c_map, convertStringsToChars(strcat(dstdir, name, '_C.png')), 1);
    float2grayred(s_map, convertStringsToChars(strcat(dstdir, name, '_S.png')), 1);
    disp("--------------------");
end
disp("====================");

图2 执行代码

isOctave = exist('OCTAVE_VERSION', 'builtin') ~= 0;
if(isOctave)
   pkg load image; 
end
    
disp("");
disp("====================");
disp("Results for Figure 2");
disp("--------------------");

A=imread('gray/gray000.png');
B=imread('gray/gray255.png');
if(isOctave)
  B =B .* 255;  
end
[mssim_simplified, mssim, ssim_map_simplified, ssim_map, l_map, c_map, s_map] = ssimlcs(A,B);
disp("MSSIM between black and white images");
mssim_simplified
float2grayred(ssim_map, 'result_images/luminance_minimum_ssim.png', 1);
float2grayred(l_map, 'result_images/luminance_minimum_L.png', 1);
float2grayred(c_map, 'result_images/luminance_minimum_C.png', 1);
float2grayred(s_map, 'result_images/luminance_minimum_S.png', 1);
disp("--------------------");

A=imread('gray/gray128.png');
B=imread('checker/checker-bw.png');
if(isOctave)
  B =B .* 255;  
end
[mssim_simplified, mssim, ssim_map_simplified, ssim_map, l_map, c_map, s_map] = ssimlcs(A,B);
disp("MSSIM between gray (128/255) and a checkered image (black and white)");
mssim_simplified
float2grayred(ssim_map, 'result_images/contrast_minimum_ssim.png', 1);
float2grayred(l_map, 'result_images/contrast_minimum_L.png', 1);
float2grayred(c_map, 'result_images/contrast_minimum_C.png', 1);
float2grayred(s_map, 'result_images/contrast_minimum_S.png', 1);
disp("--------------------");

A=imread('checker/checker-bw.png');
B=imread('checker/checker-wb.png');
if(isOctave)
  A =A .* 255;  
  B =B .* 255;  
end

[mssim_simplified, mssim, ssim_map_simplified, ssim_map, l_map, c_map, s_map] = ssimlcs(A,B);
disp("MSSIM between gray checker and inverted checkerboard");
mssim_simplified
float2grayred(ssim_map, 'result_images/structure_minimum_ssim.png', 1);
float2grayred(l_map, 'result_images/structure_minimum_L.png', 1);
float2grayred(c_map, 'result_images/structure_minimum_C.png', 1);
float2grayred(s_map, 'result_images/structure_minimum_S.png', 1);
disp("====================");

图4 执行代码

isOctave = exist('OCTAVE_VERSION', 'builtin') ~= 0;
if(isOctave)
    pkg load image;
end
disp("");
disp("====================");
disp("Results for Figure 4");
disp("--------------------");

A=imread('gray/gray253.png');
B=imread('gray/gray255.png');
if(isOctave)
  B =B .* 255;  
end
[mssim, ssim_map] = ssim(A,B);
disp("MSSIM between 253/255 and 255/255: ");
mssim
disp("--------------------");

A=imread('gray/gray128.png');
B=imread('gray/gray130.png');  
[mssim, ssim_map] = ssim(A,B);
disp("MSSIM between 128/255 and 130/255: ");
mssim
disp("--------------------");

A=imread('gray/gray000.png');
B=imread('gray/gray002.png');  
[mssim, ssim_map] = ssim(A,B);
disp("MSSIM between 0/255 and 2/255: ");
mssim
disp("--------------------");

A=imread('gray/gray222.png');
B=imread('gray/gray255.png');
if(isOctave)
  B =B .* 255;  
end
[mssim, ssim_map] = ssim(A,B);
disp("MSSIM between 222/255 and 255/255: ");
mssim
disp("--------------------");

A=imread('gray/gray000.png');
B=imread('gray/gray026.png');
[mssim, ssim_map] = ssim(A,B);
disp("MSSIM between 0/255 and 26/255: ");
mssim

disp("====================");

👉更新：亚图跨际