ssim的python实现

SSIM（结构相似性）是一种用于衡量两幅图像相似度的指标。以下是一个简单的Python实现：

import numpy as np
import cv2

def ssim(img1, img2, k1=0.01, k2=0.03, win_size=11, L=255):
    # 将图像转换为浮点型
    img1 = img1.astype(np.float64)
    img2 = img2.astype(np.float64)

    # 常量
    C1 = (k1*L)**2
    C2 = (k2*L)**2

    # 平均值、标准差和协方差
    mu1 = cv2.GaussianBlur(img1, (win_size, win_size), 1.5)
    mu2 = cv2.GaussianBlur(img2, (win_size, win_size), 1.5)
    mu1_sq = mu1**2
    mu2_sq = mu2**2
    mu1_mu2 = mu1*mu2
    sigma1_sq = cv2.GaussianBlur(img1**2, (win_size, win_size), 1.5) - mu1_sq
    sigma2_sq = cv2.GaussianBlur(img2**2, (win_size, win_size), 1.5) - mu2_sq
    sigma12 = cv2.GaussianBlur(img1*img2, (win_size, win_size), 1.5) - mu1_mu2

    # SSIM计算
    num = ((2*mu1_mu2 + C1)*(2*sigma12 + C2))
    den = ((mu1_sq + mu2_sq + C1)*(sigma1_sq + sigma2_sq + C2))
    ssim_map = num / den
    mssim = np.mean(ssim_map)

    return mssim

上述代码中，函数ssim接受两幅图像作为输入，以及一些可选参数。默认情况下，k1和k2是0.01和0.03，窗口大小为11，L为255。要使用该函数，只需将两幅图像传递给它即可：

img1 = cv2.imread('img1.jpg', cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread('img2.jpg', cv2.IMREAD_GRAYSCALE)

score = ssim(img1, img2)
print('SSIM score:', score)

该函数将返回两幅图像的SSIM分数。请注意，如果使用不同的参数值，则可能会得到不同的结果。因此，根据应用程序的要求，需要进行适当的调整和优化。