基于OpenCV的SSIM算法实现

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5.2k 收藏 23
点赞数 9
分类专栏： C++基础知识 拓展学习 文章标签： opencv c++ dll
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/z_dmsd/article/details/108104291
版权

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，但是这次功能简单，没有必要使用)

实现

VS2019下的OpenCV环境搭建

OpenCV源代码编译

  1. 从https://opencv.org/releases/下载源代码，如果不介意官方打包的dll和lib体积太大的话，也可以下载exe版本，双击即可，可以省去后面的编译步骤
  2. 从https://cmake.org/download/下载cmake，用于源码编译
  3. 下载完cmake后解压，运行 解压目录/bin/cmake-gui.exe ，通过Browse Source找到第一步下载解压的OpenCV源码目录，然后选择一个结果输出路径比如我这里分别是：E:/Program Zip/opencv-4.4.0/opencv-4.4.0和 E:/Program Zip/opencv-4.4.0/opencv-4.4.0/build
    在这里插入图片描述
  4. 点击左下角的Configure按钮，选择编译选项如下，然后点finish；这里我只配置了64位的，其他平台可以自行选择
    -在这里插入图片描述
  5. 待配置完成后，点击generate，等待生成完成，点击project按钮打开解决方案
  6. 选择Debug或Releas编译选项，在 INSTALL项目上右键，Build
  7. 漫长的Build之后，你会在输出目录下(比如我的是E:\Program Zip\opencv-4.4.0\opencv-4.4.0\build\install)看到, 如果中间报了python相关的错误，可以忽略
    在这里插入图片描述
  8. 到这里，opencv的编译就成功完成了

项目配置

  1. 把上一步编译好的opencv库中的 include,x64目录拷贝到合适的地方，最好是release合debug版本的分目录存放，下面是我的目录结构，因为暂时不考虑多个vs版本的，所以x64下面的vc目录去掉了
    在这里插入图片描述

  2. 新建一个空的C++项目

  3. 在项目上右键，跳转到: 属性页->Configuration Properties->General->Configuration Type，修改为Dynamic Library (.dll)

  4. 跳转到：属性页 ->C/C++->General->Additional Include Directories，填入存放opencv库的include目录的路径
    在这里插入图片描述

  5. 跳转到：属性页->Linker->General->Additional Library Directories，填入存放opencv库的 路径中对应版本的lib路径，我这里使用了相应的编译选项宏以及编译平台宏，可以视情况选择
    在这里插入图片描述

  6. 跳转到：属性页->Linker->Input->Additioinal Dependencies；release编译选项下填入opencv_core440.lib opencv_imgcodecs440.lib opencv_imgproc440.lib opencv_gapi440.lib opencv_calib3d440.lib,debug选项下记得名字后面要加d，因为我的代码中只用到了这些lib，所以只填了这些lib，如果不介意大小的话，可以把opencv所有的lib都加上，这样可以避免出现 找不到定义的报错

  7. 到此，项目配置就完成了，dll我们就直接拷贝到项目的输出路径去即可，可以按需拷贝，运行若报错说某个dll找不到就拷贝过去即可

SSIM的算法实现

算法的原理可以参考SSIM 的原理和代码实现，讲的非常清晰，同时也建议阅读下python下的实现

下面是计算图片差异的核心函数，返回的Mat中 包含了两幅图片各个像素点的相似度，如果需要整张图的，求一下均值即可;完整代码放在末尾

static const double C1 = 6.5025, C2 = 58.5225; 
Mat Compare_SSIM(Mat image1, Mat image2)
{
    Mat validImage1, validImage2;
    image1.convertTo(validImage1, CV_32F); //数据类型转换为 float,防止后续计算出现错误
    image2.convertTo(validImage2, CV_32F);

    Mat image1_1 = validImage1.mul(validImage1); //图像乘积
    Mat image2_2 = validImage2.mul(validImage2);
    Mat image1_2 = validImage1.mul(validImage2);

    Mat gausBlur1, gausBlur2, gausBlur12;
    GaussianBlur(validImage1, gausBlur1, Size(11, 11), 1.5); //高斯卷积核计算图像均值
    GaussianBlur(validImage2, gausBlur2, Size(11, 11), 1.5);
    GaussianBlur(image1_2, gausBlur12, Size(11, 11), 1.5);

    Mat imageAvgProduct = gausBlur1.mul(gausBlur2); //均值乘积
    Mat u1Squre = gausBlur1.mul(gausBlur1); //各自均值的平方
    Mat u2Squre = gausBlur2.mul(gausBlur2);

    Mat imageConvariance, imageVariance1, imageVariance2;
    Mat squreAvg1, squreAvg2;
    GaussianBlur(image1_1, squreAvg1, Size(11, 11), 1.5); //图像平方的均值
    GaussianBlur(image2_2, squreAvg2, Size(11, 11), 1.5);
    
    imageConvariance = gausBlur12 - gausBlur1.mul(gausBlur2);// 计算协方差
    imageVariance1 = squreAvg1 - gausBlur1.mul(gausBlur1); //计算方差
    imageVariance2 = squreAvg2 - gausBlur2.mul(gausBlur2); 

    auto member = ((2 * gausBlur1 .mul(gausBlur2) + C1).mul(2 * imageConvariance + C2));
    auto denominator = ((u1Squre + u2Squre + C1).mul(imageVariance1 + imageVariance2 + C2));

    Mat ssim;
    divide(member, denominator, ssim);
    return ssim;
}

dll导出接口

dll导出接口给C#使用，主要有以下几点需要关注

  • 接口导出的参数传递和命名规则 ，这里用的是 __stdcall, 还有其他几种传递规则，可以参考官方文档参数传递和命名约定，这里我是直接使用的默认约定，其他几种规则没有尝试，有兴趣可以研究一下;
  • extern "C",这个在导出接口前一定要加上，不然C#会找不到对应的函数; 因为C++编译默认会给C++函数添加名字修饰，就是按照一定的规则加上一些修饰字符，而C#中是通过函数名称调用dll中的函数的，加上 extern "C"的目的就让编译器不要加修饰
  • 参数传递;如何从C++传递参数到C#，基本数据类型可以直接传递，字符串，结构体什么的传递就很麻烦了，我是用的是在C++中new内存，传递指针到C#中，然后C#中调用C++导出的release函数释放之前new的内存，具体代码可以参考下文

C++头文件部分

#pragma once
#include "stdafx.h"

#define Export_Dll extern "C" _declspec(dllexport) 
#define Dll_API __stdcall

#pragma pack(1) //必须写，防止出现字节补齐，导致C#中读到错误的字节
struct Mat_Struct
{
    int width;
    int height;
    int channels;
    uchar data[0]; //必须这么写，使用指针的话，C#中读取数据太麻烦，得读两次指针
};

//所有导出接口均使用malloc进行内存分配，不许使用new
Export_Dll uchar* Dll_API SSIM_Image(const char* imgPath1, const char* imgPath2);

Export_Dll double Dll_API SSIM_Percent(const char* imgPath1, const char* imgPath2);

Export_Dll void Dll_API Release(void* ptr);

C++源文件部分

#include "DllExport.h"
#include "ImageCompare.h"

uchar* Dll_API SSIM_Image(const char* imgPath1, const char* imgPath2)
{
	auto img1 = imread(_imagePath1);
    auto img2 = imread(_imagePath2);
    auto result = Compare_SSIM(img1,img2); //这个就是上面的ssim的核心函数了
    int width = result.size().width;
    int height = result.size().height;
    int channels = result.channels();
    int length = width * height * channels;
    Mat_Struct* res = static_cast<Mat_Struct*>(malloc(sizeof(Mat_Struct) + length)); //传递给dll外部，不要在这里释放

    res->width = width;
    res->height = height;
    res->channels = channels;
    memcpy(res->data, result.data, length);

    return (uchar*)res;
}

double Dll_API SSIM_Percent(const char* imgPath1, const char* imgPath2)
{
    double sum = 0.0f;
	auto img1 = imread(_imagePath1);
    auto img2 = imread(_imagePath2);
    auto result = Compare_SSIM(img1,img2); 
    auto meanResult = mean(result);
    int channels = result.channels();
    
    for (auto depthIndex = 0; depthIndex < channels; ++depthIndex)
    {
        sum += meanResult[depthIndex];
    }
    sum /= channels;

    return sum;
}

void Dll_API Release(void* ptr)
{
    if (ptr)
    {
        free(ptr);
        ptr = nullptr;
    }
}

C#调用C++的dll

    [StructLayout(LayoutKind.Sequential, Pack = 1), Serializable] //防止字节补齐，如果不需要C#往C++传递，不写也可以
    struct Mat_Struct
    {
        public int width;
        public int height;
        public int channels;
        public byte[] data;

        public Mat_Struct(byte[] byteArray) //这里是原先想通过字节数组传递，发现行不通，放弃了，留这里当二进制读取的例子吧
        {
            MemoryStream ms = new MemoryStream(byteArray);
            BinaryReader br = new BinaryReader(ms);
            try
            {
                width = br.ReadInt32();
                height = br.ReadInt32();
                channels = br.ReadInt32();
                data = br.ReadBytes(width * height * channels);
            }
            catch (EndOfStreamException eofEx)
            {
                width = 0;
                height = 0;
                channels = 0;
                data = new byte[0];
                LogHelper.Error(eofEx);
            }
        }

		//核心解析函数，从非托管C++的指针指向的内存中读取结构体中的数据
		//参考： https://docs.microsoft.com/zh-cn/dotnet/api/system.runtime.interopservices.marshal?view=netcore-3.1
		//https://docs.microsoft.com/zh-cn/dotnet/api/system.intptr.add?view=netcore-3.1
        public Mat_Struct(IntPtr ptr)
        {
            IntPtr iter = ptr;
            width = Marshal.ReadInt32(iter);
            iter = IntPtr.Add(iter, sizeof(int)); //需要注意，这一步不能少，读取操作是没有自动偏移的

            height = Marshal.ReadInt32(iter);
            iter = IntPtr.Add(iter, sizeof(int));

            channels = Marshal.ReadInt32(iter);
            iter = IntPtr.Add(iter, sizeof(int));

            var length = width * height * channels;
            data = new byte[length];
            Marshal.Copy(iter, data, 0, length);
        }
    };

    public class OpencvAdapter
    {
    	//dll名称和函数名称声明，注意不要写错名字了
        [DllImport("OpencvInterface.dll", EntryPoint = "SSIM_Image", CharSet = CharSet.Ansi)]
        public static extern IntPtr SSIM_Image([MarshalAs(UnmanagedType.LPStr)] string path1, [MarshalAs(UnmanagedType.LPStr)] string path2);

        [DllImport("OpencvInterface.dll", EntryPoint = "SSIM_Percent", CharSet = CharSet.Ansi)]
        public static extern double SSIM_Percent([MarshalAs(UnmanagedType.LPStr)] string path1, [MarshalAs(UnmanagedType.LPStr)] string path2);

        [DllImport("OpencvInterface.dll", EntryPoint = "Release", CharSet = CharSet.Ansi)]
        public static extern void Release(IntPtr ptr);

		public static Example()
		{
			//注意，不要使用 Marshal.FreeHGlobal(IntPtr)来释放内存，因为内存是从非托管C++中申请的，要用导出的Release函数释放
		    IntPtr res = new IntPtr(0);
            try
            {
                res = SSIM_Image(img1Path, img2Path);
                var matData = new Mat_Struct(res);
            }
            catch (Exception ex)
            {
                Console.WriteLine(ex);
            }
            finally
            {
                Release(res); //一定要用Release释放
            }
		}
    }

C#调用C++的dll是一个比较常见的场景，在实现的过程中，难点就是参数传递，返回值传递，因为涉及到了托管内存和非托管内存的交互，好在C#中是有指针的，实现起来没有想象中的复杂(实在不行，用unsafe和裸指针强行读内存也可以解决)

C++核心代码github： https://github.com/luochanganz/ImageDiff

参考文档

  1. SSIM 的原理和代码实现
  2. 参数传递和命名约定
  3. Marshal MSDN官方文档
  4. IntPtr的函数文档
Qice
关注
  • 9
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
专栏目录
基于OpenCV的边缘测量算法
07-09
一种卡尺测量直线圆等标准特征的算法实现过程
基于OpenCV SIFT的指纹识别算法 python实现
12-04
Windows64位环境下： 1. 安装python3.6.5 2. pip install numpy 3. pip install matplotlib 4. pip install opencv-python 5. 安装opencv-conrib(https://download.csdn.net/download/u012442083/10809277)
Opencv基于CamShift算法实现目标跟踪
08-28
主要为大家详细介绍了Opencv基于CamShift算法实现目标跟踪，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
图像质量评估（PSNR+SSIM）-C++
probie的博客
09-12 6177
psnr ssim 图像质量评估
SSIM---结构相似性算法（OpenCV+Python)
hedgehog__的博客
07-10 3万+
SSIM---结构相似性算法一.SSIM算法原理二.skimage.metrics包下的SSIM算法 一.SSIM算法原理 SSIM(structural similarity)，结构相似性，是一种衡量两幅图像相似度的指标。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。原论文中，SSIM算法主要通过分别比较两个图像的亮度，对比度，结构，然后对这三个要素加权并用乘积表示。 常数????????， ????????， ????????是为了避免当分母为 0 时造成的不稳定问题。
图像质量评价，图片放大和缩小
Gone_HuiLin的博客
11-18 1118
#include #include #include #include using namespace cv; using namespace std; // PSNR 峰值信噪比计算 返回数值为30-50dB 值越大越好 double PSNR(const Mat& I1, const Mat& I2) {     cv::Mat s1;     // 计算图像差|I
OpenCV书签 #结构相似性SSIM算法的原理与图片相似性实验
最新发布
有时有味的博客
01-23 1641
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 6461
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...
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 8563
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
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
基于OpenCV的分水岭算法实现
04-28
基于OpenCV库，实现分水岭算法图像分割。通过鼠标左键点选或涂抹选择分水岭起点，对图像各区域进行有效分割。已测试可以正常运行，如无法正常运行请联系本人。
图像质量评估：使用 SSIM 计算图像相似性
hasque2019的博客
12-29 487
在图像处理领域，衡量两幅图像之间相似性的一种常见方法是使用结构相似性指数（SSIM）。SSIM 是一种全参考的图像质量评估指标，它不仅考虑了图像的亮度、对比度，还考虑了结构信息。在本文中，我们将介绍一个使用 Python 和 OpenCV 实现的 SSIM 计算脚本，并使用该脚本评估两幅图像的相似性。
opencv c++函数 highgui模块 2 OpenCV的视频输入和相似度测量
CV菜鸟的学习之路
05-03 2182
目标 现在找一个能拍摄视频的设备真是太容易了。结果大家都用视频来代替以前的序列图像。视频可能由两种形式得到，一个是像网络摄像头那样实时视频流，或者由其他设备产生的压缩编码后的视频文件。幸运的是，OpenCV可以使用相同的C++类、用同一种方式处理这些视频信息。在接下来的教程里你将学习如何使用摄像头或者视频文件。 如何打开和读取视频流两种检查相似度的方法：PSNR和SSIM
OpenCV图像相似性及相似度比对算法
图灵追幕者博客录
12-06 3483
在做图像处理或者计算机视觉相关的项目的时候，很多时候需要我们对当前获得的图像和上一次的图像做相似性比对，从而找出当前图像针对上一次的图像的差异性和变化点，这需要用到OpenCV中的一些图像相似性和差异性的比对算法。
【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−
结构相似性SSIM计算图像相似性_opencv_C++
zm1110918的博客
08-08 4917
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 ...
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
12-24 365
#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...
ssim算法计算图片_OpenCV 实现图像结构相似度算法 (SSIM 算法)
weixin_29547309的博客
01-30 1639
看完原论文后(英语不太好，只看懂了个大概)，大致上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(有能力的话，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，但注意到论文标题的中的 Structural，所以实际上它主要通过分别比较两个...
OpenCV实现的SSIM
OpenCV中文网
06-20 4115
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;  /****************************
c++利用opencv计算两张影像的ssim
06-01
要计算两张影像的结构相似性指数（SSIM），可以使用OpenCV的SSIM函数。以下是计算两张图像SSIM的示例代码： ```c++ #include <opencv2/opencv.hpp> #include <iostream> using namespace cv; using namespace std; int main(int argc, char** argv) { // 读取两张图像 Mat img1 = imread("image1.jpg"); Mat img2 = imread("image2.jpg"); // 将图像转换为灰度图像 cvtColor(img1, img1, COLOR_BGR2GRAY); cvtColor(img2, img2, COLOR_BGR2GRAY); // 计算SSIM double ssim = compareSSIM(img1, img2); cout << "SSIM: " << ssim << endl; return 0; } ``` 在上面的代码中，我们首先使用imread()函数读取两张图像，然后使用cvtColor()函数将它们转换为灰度图像。最后，我们使用compareSSIM()函数计算SSIM，并将结果打印出来。注意，compareSSIM()函数的输入必须是灰度图像。 需要注意的是，OpenCV的SSIM函数计算的是两张图像的结构相似性，而不是内容相似性。如果两张图像的内容相同但是尺寸不同，则它们的SSIM值可能会很低。因此，当使用SSIM来比较两张图像时，应该确保它们的尺寸相同。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
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