Python 比较俩张图片差异

对比俩张图片差异，可以用均方误差（MSE）与结构相似性指数（SSIM）函数。（Mean Squared Error vs. Structural Similarity Measure）

使用此方法，我们能够轻松确定两个图像是相同的还是由于轻微的图像操作，压缩伪像或有目的的篡改而有所不同。

尽管MSE的计算速度要快得多，但它的主要缺点是（1）全局应用，（2）仅估计图像的感知错误。
另一方面，SSIM虽然速度较慢，但​​可以通过比较图像的局部区域而不是全局图像来感知图像的结构信息的变化。 那么您应该使用哪种方法？
一般来说，SSIM会为您带来更好的结果，但会降低性能。 但是我认为，准确性的提高是值得的。

MSE的值为0表示完全相似。大于1的值表示相似度较小，MSE的值随着像素强度之间的平均差增加而将继续增长。MSE值域在[0,…)
SSIM的值为1表示完全相似。值越小表示相似性越差。SSIM的值域在[-1,1]之间。

MSE与SSIM的方法比较俩张图片的前提是俩张图片的大小是一样的。
大小不一样的，可以学习cv.resize(),放大缩小到同一大小后进行比较。

1. MSE 均方误差介绍

MSE核心是逐个像素差的平方和，除以像素的个数。<