原文链接:图片结构相似性算法:SSIM
微信公众号:机器学习养成记 搜索添加微信公众号:chenchenwings
之前介绍了通过Hash进行图片相似度识别的一系列算法,本次接着来介绍另一种非常常用的衡量两幅图片相似度的指标——SSIM。
SSIM算法
SSIM(structural similarity)是一种用来衡量图片相似度的指标,也可用来判断图片压缩后的质量。
基本原理:
SSIM由亮度对比、对比度对比、结构对比三部分组成。
其中有几个需要注意的点:
C1、C2、C3为常数,避免分母接近于0时造成的不稳定性。
SSIM函数S具有对称性、有界性(不超过1)和最大值唯一性(当且仅当x=y时,S=1,表示两幅图一样)。
上述S函数为C3=C2/2的简化形式。
(更多SSIM介绍可自行搜索论文《Image Quality Assessment: From Error Visibility to Structural Similarity》)
Python实现
代码流程: