判断图片中物体相似性的方法比较
这里主要介绍几种图片相似性的方法,结构相似性,峰值信噪比,均方根误差法,比值法,差值法。这些方法的原理网上已经有很多了,我就不逐一介绍了,在这里我只是为这些方法做个比较。
这是我随手拍的两张照片,表面看上去没有什么差别,来看一下各个方法的测试效果
峰值信噪比(PSNR)的结果为31.14,PSNR的值越小,图像越相似,值为0时,图片完全相同,均方根误差(MSE)则是值越大越好,100时两张图片相同,这里MSE的值为91.54,而结构相似性(SSIM)与MSE相同,这里的SSIM分别比较了三个通道,结果来看也差不多,仅这三种方法来看,MSE的效果似乎更好一些,那么再来看看另外两种方法。
比值法和差值法对于这两张图片的比较结果几乎是没有差异的,相似度高达99.93,但是,这就能说明比值法和差值法比之前的方法更优秀吗,并不难的,比值法和差值法的局限性是很大的,尤其受光线的影响,我通过多次实验结果发现,一旦光线发生变化,以上的方法都会受到不小的影响,PSNR和SSIM这两种方法受光线的影响较小,但是这两种方法的敏感度较低,如果图像中发生一些比较微小的变化时,得到的结果并不会有太大差异,所以这两种方法更适合检测场景变化较大的情况,如果要检测两张图中的微小差异,那么我认为比值法是最好的选择,比值法不仅能反应图像变化的比例,还可以方便的返回的发生变化的位置,但是光线问题确实是个难题,我目前掌握的最后的方法就是将光源改为红外光源,这样能比较有效的消除光线变化的问题。当然要是有什么更好的方法,也希望各位给我提提意见。
综上,每个方法都有自己的利弊,选择哪一种方法还是要看具体的需求的,不同的方法解决不同的问题。下面附C++代码,python代码就不附了,因为都是成型库,直接调用即可。
// test.cpp : 此文件包含 "main" 函数。程序执行将在此处开始并结束。
//
#include "pch.h"
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <math.h>
using namespace std;
using namespace cv;
Scalar getMSSIM(Mat inputimage1, Mat inputimage2);
double getPSNR(Mat I1, Mat I2);
double getMSE(Mat I1, Mat I2);
double getBit(Mat I1, Mat I2);
double getDiff(Mat I1, Mat I2);
int main()
{
Mat srcImage1 = imread("D:\\code\\code\\01.jpg");
Mat srcImage2 = imread("D:\\code\\code\\02.jpg");
double DIFF = getDiff(srcImage1, srcImage2);
double BIT = getBit(srcImage1, srcImage2);
Scalar SSIM1 = getMSSIM(srcImage1, srcImage2);
double PSNR = getPSNR(srcImage1, srcImage2);
double MSE = getMSE(srcImage1, srcImage2);
printf("比值法: %f\n", BIT);
printf("差值法: %f\n", DIFF);
printf("PSNR: %f\n", PSNR);
printf("MSE: %f\n", MSE);
printf("SSIM通道1:%f\n", SSIM1.val[0] * 100);
printf("SSIM通道2:%f\n", SSIM1.val[1] * 100);
printf("SSIM通道3:%f\n", SSIM1.val[2] * 100);
printf("模糊5*5:%f\n", (SSIM1.val[2] + SSIM1.val[1] + SSIM1.val[0]) / 3 * 100);
imshow("原图", srcImage1);
imshow("对比图", srcImage2);
waitKey(0);
return 0;
}
Scalar getMSSIM(Mat inputimage1, Mat inputimage2)
{
Mat i1 = inputimage1;
Mat i2 = inputimage2;
const double C1 = 6.5025, C2 = 58.5225;
int d = CV_32F;
Mat I1, I2;
i1.convertTo(I1, d);
i2.convertTo(I2, d);
Mat I2_2 = I2.mul(I2);
Mat I1_2 = I1.mul(I1);
Mat I1_I2 = I1.mul(I2);
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, Size(11, 11), 1.5);
sigma1_2 -= mu1_2;
GaussianBlur(I2_2, sigma2_2, Size(11, 11), 1.5);
sigma2_2 -= mu2_2;
GaussianBlur(I1_I2, sigma12, Size(11, 11), 1.5);
sigma12 -= mu1_mu2;
Mat t1, t2, t3;
t1 = 2 * mu1_mu2 + C1;
t2 = 2 * sigma12 + C2;
t3 = t1.mul(t2);
t1 = mu1_2 + mu2_2 + C1;
t2 = sigma1_2 + sigma2_2 + C2;
t1 = t1.mul(t2);
Mat ssim_map;
divide(t3, t1, ssim_map);
Scalar mssim = mean(ssim_map);
return mssim;
}
double getPSNR( Mat I1, Mat I2)
{
Mat s1;
absdiff(I1, I2, s1);
s1.convertTo(s1, CV_32F);
s1 = s1.mul(s1);
Scalar s = sum(s1);
double sse = s.val[0] + s.val[1] + s.val[2];
if (sse <= 1e-10)
return 0;
else
{
double mse = sse / (double)(I1.channels() * I1.total());
double psnr = 10.0*log10((255 * 255) / mse);
return psnr;
}
}
double getMSE(Mat I1, Mat I2)
{
imshow("1", I1);
imshow("2", I2);
Mat s1;
absdiff(I1, I2, s1);
s1.convertTo(s1, CV_32F);
s1 = s1.mul(s1);
Scalar s = sum(s1);
double t = sqrt(s[0]);
return t;
}
double getBit(Mat I1, Mat I2)
{
Mat gray1;
Mat gray2;
cvtColor(I1, gray1, COLOR_BGR2GRAY);
cvtColor(I2, gray2, COLOR_BGR2GRAY);
int t = 0;
for (int i = 0; i < I1.rows; i++) {
for (int j = 0; j < I1.cols; j++) {
int k1 = gray1.at<uchar>(i, j);
int k2 = gray1.at<uchar>(i, j);
if (k2 != 0) {
if (abs(k1 / k2 - 1) > 0) {
t = t + 1;
}
}
else {
t = t + 1;
}
}
}
double bit = t / I1.rows * I1.cols;
return bit;
}
double getDiff(Mat I1, Mat I2)
{
Mat gray1;
Mat gray2;
cvtColor(I1, gray1, COLOR_BGR2GRAY);
cvtColor(I2, gray2, COLOR_BGR2GRAY);
int t = 0;
for (int i = 0; i < I1.rows; i++) {
for (int j = 0; j < I1.cols; j++) {
int k1 = gray1.at<uchar>(i, j);
int k2 = gray1.at<uchar>(i, j);
if (k2 != 0) {
if (abs(k1 - k2) > 0) {
t = t + 1;
}
}
else {
t = t + 1;
}
}
}
double diff = t / I1.rows * I1.cols;
return diff;
}