SSIM(结构相似性)-数学公式及Python实现

SSIM是一种评估图像质量的指标,源于2004年的研究,用于比较无失真图像与恢复图像的相似度。它在0到1之间,值越大表示图像质量越好。在TensorFlow中,SSIM可通过内置函数计算。
摘要由CSDN通过智能技术生成

本文链接:https://blog.csdn.net/leviopku/article/details/84635897
SSIM是一种衡量两幅图片相似度的指标。
出处来自于2004年的一篇TIP,
标题为:Image Quality Assessment: From Error Visibility to Structural Similarity
地址为:https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=1284395

与PSNR一样,SSIM也经常用作图像质量的评价。
 


先了解SSIM的输入

SSIM的输入就是两张图像,我们要得到其相似性的两张图像。其中一张是未经压缩的无失真图像(即ground truth),另一张就是你恢复出的图像。所以,SSIM可以作为super-resolution质量的指标。假设我们输入的两张图像分别是x和y,那么

                                   

α>0, β>0,and γ>0.

式1是SSIM的数学定义,其中:

                                          

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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