OpenCV实现的SSIM

最新推荐文章于 2024-01-23 23:59:09 发布
最新推荐文章于 2024-01-23 23:59:09 发布
阅读量4.2k 收藏 5
点赞数
分类专栏： OpenCV
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/bevison/article/details/73498098
版权
本文介绍了如何利用OpenCV库实现结构相似性指数(SSIM)这一图像质量评估方法。通过详细步骤，展示了在OpenCV中计算SSIM的过程。
摘要由CSDN通过智能技术生成

图像质量评价指标SSIM的OpenCV实现

来自于 ：path-to-opencv\sources\doc\tutorials\videoio\video-input-psnr-ssim


Scalar getMSSIM( const Mat& i1, const Mat& i2)
{
 const double C1 = 6.5025, C2 = 58.5225;
 /***************************** INITS **********************************/
 int d     = CV_32F;


 Mat I1, I2;
 i1.convertTo(I1, d);           // cannot calculate on one byte large values
 i2.convertTo(I2, d);


 Mat I2_2   = I2.mul(I2);        // I2^2
 Mat I1_2   = I1.mul(I1);        // I1^2
 Mat I1_I2  = I1.mul(I2);        // I1 * I2


 /***********************PRELIMINARY COMPUTING ******************************/


 Mat mu1, mu2;   //
 GaussianBlur(I1, mu1, Size(11, 11), 1.5);
 GaussianBlur(I2, mu2, Size(11, 11), 1.5);


 Mat mu1_2   =   mu1.mul(mu1);
 Mat mu2_2   =   mu2.mul(mu2);
 Mat mu1_mu2 =   mu1.mul(mu2);


 Mat sigma1_2, sigma2_2, sigma12;


 GaussianBlur(I1_2, sigma1_2, Siz
最低0.47元/天 解锁文章
OpenCV中文网公众号
关注
专栏目录
OpenCV/C++——计算两张图片相似性的代码
Williamcsj的博客
09-09 429
结构相似性、直方图比较、特征匹配。
opencv图像处理学习（五十七）——峰值信噪比和结构相似性
图像学习之旅
08-18 6439
1.峰值信噪比 峰值信噪比是常用的衡量信号失真的指标。该参数是基于图像像素灰度值进行统计分析，但是由于人类视觉特性的差异性，通常出现的评价结果与人的主管感觉不一致，但其仍然是一个有参考价值的评价指标。对于两幅图像I与K，尺寸大小为m xn，它们的均方误差的定义为公式： ...
PSNR SSIM 指标测试 OPENCV 3.0.0
05-04
使用OPENCV3.0.0 C++写的测试两幅图片之间的对比指标 PSNR SSIM指标
基于OpenCV的SSIM算法实现
你可知外面的世界多大
08-20 5887
简介 最近接到了一个需求，需要对比图片并自动生成对比报表，核心功能就是获取图片相似度，生成表格。 这里仅介绍如何实现的图片相似度获取； 思路 相似度计算的算法选择的是SSIM算法，具体算法原理参考的是SSIM 的原理和代码实现，算法中涉及了卷积运算，还有图片的矩阵运算，决定选用OpenCV库来实现。因为后台使用的是C#写的，OpenCV使用的是C++，所以决定用C++封装图像相似度处理的函数，通过dll导出接口到C#中使用;（C#中有已经封装的OpenCV库，OpencvSharp和Emgu都是很好的，但是
OpenCV书签 #结构相似性SSIM算法的原理与图片相似性实验
有时有味的博客
01-23 3014
结构相似性（Structural Similarity，简称SSIM算法），主要用于检测两张相同尺寸的图像的相似度、或者检测图像的失真程度，是一种衡量两幅图像相似度的指标。
OpenCV 实现SSIM结构相似性算法
热门推荐
zhangxu
04-13 3万+
SSIM算法的介绍： http://blog.csdn.net/chaipp0607/article/details/70158835代码做了一下处理： （1）设置两组对比试验，将原图进行核为5*5的滤波，与原图比较求得SSIM指数。将原图进行核为10*10的滤波，与原图比较求得SSIM指数。 （2）将SSIM指数折算为百分制 （3）采用高斯模糊求得图像的均值代码参考： http://ji
OpenCV这么简单为啥不学——1.12、使用ssim函数对两张照片进行相似度分析
红目香薰
02-14 8745
OpenCV这么简单为啥不学——1.12、使用ssim函数对两张照片进行相似度分析 前言 ssim函数 图像相似度算法分类 SSIM实操过程 1、文件夹结构 2、环境搭建 3、样式处理 4、过滤 5、sim函数计算 6、图片拼接与保存 7、调用过程 8、正确测试效果 9、两张相同图片测试效果 总结
ssim算法计算图片_OpenCV 实现图像结构相似度算法 (SSIM 算法)
weixin_36396555的博客
01-30 1982
看完原论文后明白了它是做什么以及如何实现的等，于是决定写一篇博客，所以该篇文章简单介绍一下 SSIM(看原论文或维基比我来介绍更好)，并给出我用 opencv 在 C++ 中的 SSIM 算法实现。首先什么是 SSIM 算法，该算法主要用于检测两张尺寸相同的图像的相似度，但注意到论文标题结构信息，所以实际上它主要通过两个图像的亮度(l)、对比度(c)、结构(s)这三个要素的测量，而在论文中这三个要...
基于opencv+ssim实现高空抛物python源码.7z
最新发布
06-06
基于opencv+ssim实现高空抛物python源码.7z 该项目系统基于Python3编程，配合OpenCV图像处理技术模块实现计算机视觉，整合了SSIM算法，自适应环境算法，多线程模块，中值滤波降噪模块，以及图像对比处理模块。
PSNR和SSIM的c++实现
右手点天下
03-29 3833
PSNR和SSIM的c++实现
使用Opencv构建一个简单的图像相似检测器（MSE、SSIM） ...
测试0901-1
01-22 474
介绍 作为人类，我们通常非常善于发现图像中的差异。例如，常见的游戏——两张图像找不同。现在让我们玩下这个游戏吧，首先让我们看看上面的图像，三十秒内看看是否能够从中找出有什么不同的地方。 答案：水果、冰淇淋和饮料的颜色发生了明显改变，窗帘、太阳也发生了改变，这是不是很简单呢？如果有补充的答案，请在留言处给出哦！ 这...
SSIM的Python实现
10-30
Python实现的图像结构相似性度量（ Structural Similarity Image Metric，SSIM）。
使用Opencv构建一个简单的图像相似检测器（MSE、SSIM）
weixin_33778544的博客
01-22 358
介绍 作为人类，我们通常非常善于发现图像中的差异。例如，常见的游戏——两张图像找不同。现在让我们玩下这个游戏吧，首先让我们看看上面的图像，三十秒内看看是否能够从中找出有什么不同的地方。 答案：水果、冰淇淋和饮料的颜色发生了明显改变，窗帘、太阳也发生了改变，这是不是很简单呢？如果有补充的答案，请在留言处给出哦！ 这...
【OpenCV-Python】：图像PSNR、SSIM、MSE计算
王乐予的博客
07-03 2万+
评价一幅图像质量的好坏有多种方式，目前最常用的是PSNR、SSIM、MSE。接下来我们具体讲解。 1. MSE（Mean Squared Error）均方误差 MSE是预测值f(x)与目标值y之间差值平方和的均值，公式表示为： MSE=∑i=1n(f(x)−y)2nMSE=\frac{\sum_{i=1}^{n}(f(x)-y)^{2}}{n}MSE=n∑i=1n​(f(x)−y)2​ 对于图像来说，两个m×n单色图像I和K，如果一个为另一个的噪声近似，那么它们的均方误差定义为： MSE=1mn∑i=0m−
OpenCv中图像PSNR和SSIM的计算
小海的专栏
08-20 9467
double psnr(Mat &I1, Mat &I2){ Mat s1; absdiff(I1, I2, s1); s1.convertTo(s1, CV_32F); s1 = s1.mul(s1); Scalar s = sum(s1); //计算每个通道的和 double sse = s.val[0] + s.val[1] + s.val[2]; if( sse <= 1e
Opencv学习笔记 均方误差（MSE）、结构相似度指数（SSIM）
学以致用 知行合一
10-04 6694
均方误差（mean-square error, MSE）是反映估计量与被估计量之间差异程度的一种度量。设t是根据子样确定的总体参数θ的一个估计量，(θ-t)2的数学期望，称为估计量t的均方误差。它等于σ2+b2，其中σ2与b分别是t的方差与偏倚。 SSIM(Structural SIMilarity)，结构相似性，是一种衡量两幅图像相似度的指标。该指标首先由德州大学奥斯丁分校的图像和视频工程实验室(Laboratory for Image and Video En...
ssim算法计算图片_OpenCV图像质量评价的SSIM算法（图像相似度）
weixin_28866737的博客
12-24 449
#include#include#includeusing namespace std;using namespace cv;Scalar getMSSIM(char *imagePatha,char * imagePathb);//其中参数imagePatha和imagePathb分别是要判定相似度的两张图片的路径//Scalar将会存储两张图像在不同颜色通道中的相似度。double getM...
结构相似性SSIM计算图像相似性_opencv_C++
zm1110918的博客
08-08 5138
SSIM简介 SSIM(structural similarity index)，结构相似性，是一种衡量两幅图像相似度的指标。 计算方法 SSIM使用两张图片的均值、方法、协方差进行计算，具体的计算方法如下： 结构相似性的范围为0到1 。当两张图像一模一样时，SSIM的值等于1。 SSIM检测相似性代码 #include <opencv2/highgui.hpp> #include ...
opencv用C++实现SSIM
03-28
以下是使用OpenCV库和C语言实现SSIM的示例代码： ``` #include <stdio.h> #include <stdlib.h> #include <math.h> #include <opencv/cv.h> #include <opencv/highgui.h> double calculate_ssim(IplImage* original, IplImage* processed) { int i, j, k; int width, height, channels; double C1, C2, ssim; double mu_original, mu_processed, sigma_original, sigma_processed, sigma_original_processed; double* data_original = NULL; double* data_processed = NULL; double* temp_original = NULL; double* temp_processed = NULL; double* temp_original_processed = NULL; double* temp_original_squared = NULL; double* temp_processed_squared = NULL; // 计算基本参数 width = original->width; height = original->height; channels = original->nChannels; C1 = (0.01 * 255) * (0.01 * 255); C2 = (0.03 * 255) * (0.03 * 255); // 分配内存 data_original = (double*)malloc(width * height * channels * sizeof(double)); data_processed = (double*)malloc(width * height * channels * sizeof(double)); temp_original = (double*)malloc(width * height * channels * sizeof(double)); temp_processed = (double*)malloc(width * height * channels * sizeof(double)); temp_original_processed = (double*)malloc(width * height * channels * sizeof(double)); temp_original_squared = (double*)malloc(width * height * channels * sizeof(double)); temp_processed_squared = (double*)malloc(width * height * channels * sizeof(double)); // 将图像数据复制到double类型数组中 for (i = 0; i < height; i++) { for (j = 0; j < width; j++) { for (k = 0; k < channels; k++) { data_original[i * width * channels + j * channels + k] = (double)(original->imageData[i * original->widthStep + j * channels + k]); data_processed[i * width * channels + j * channels + k] = (double)(processed->imageData[i * processed->widthStep + j * channels + k]); } } } // 计算均值 cvSetData(original, temp_original, channels); cvSetData(processed, temp_processed, channels); cvSetData(original_processed, temp_original_processed, channels); cvSetData(original_squared, temp_original_squared, channels); cvSetData(processed_squared, temp_processed_squared, channels); cvAvgSdv(original, &mu_original, &sigma_original, NULL); cvAvgSdv(processed, &mu_processed, &sigma_processed, NULL); // 计算方差和协方差 for (i = 0; i < height; i++) { for (j = 0; j < width; j++) { for (k = 0; k < channels; k++) { temp_original[i * width * channels + j * channels + k] = data_original[i * width * channels + j * channels + k] - mu_original; temp_processed[i * width * channels + j * channels + k] = data_processed[i * width * channels + j * channels + k] - mu_processed; temp_original_squared[i * width * channels + j * channels + k] = temp_original[i * width * channels + j * channels + k] * temp_original[i * width * channels + j * channels + k]; temp_processed_squared[i * width * channels + j * channels + k] = temp_processed[i * width * channels + j * channels + k] * temp_processed[i * width * channels + j * channels + k]; temp_original_processed[i * width * channels + j * channels + k] = temp_original[i * width * channels + j * channels + k] * temp_processed[i * width * channels + j * channels + k]; } } } cvAvgSdv(original_squared, &sigma_original, NULL, NULL); cvAvgSdv(processed_squared, &sigma_processed, NULL, NULL); cvAvgSdv(original_processed, &sigma_original_processed, NULL, NULL); // 计算SSIM ssim = ((2 * mu_original * mu_processed + C1) * (2 * sigma_original_processed + C2)) / ((mu_original * mu_original + mu_processed * mu_processed + C1) * (sigma_original + sigma_processed + C2)); // 释放内存 free(data_original); free(data_processed); free(temp_original); free(temp_processed); free(temp_original_processed); free(temp_original_squared); free(temp_processed_squared); return ssim; } int main() { IplImage* original = NULL; IplImage* processed = NULL; double ssim = 0.0; // 读取图像 original = cvLoadImage("original.jpg", CV_LOAD_IMAGE_COLOR); processed = cvLoadImage("processed.jpg", CV_LOAD_IMAGE_COLOR); // 计算SSIM ssim = calculate_ssim(original, processed); // 打印SSIM值 printf("SSIM: %f\n", ssim); // 释放内存 cvReleaseImage(&original); cvReleaseImage(&processed); return 0; } ``` 在此示例中，我们使用OpenCV库和C语言来计算两个图像之间的结构相似性指数（SSIM）。我们首先将图像数据复制到double类型数组中，然后计算均值、方差和协方差。最后，我们将这些值用于计算SSIM指数。您可以通过更改原始图像和处理图像的文件名来测试此代码。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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