判断图片中物体相似性的方法比较

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;
}