结构相似度python代码

以下是计算两张图片的结构相似度（SSIM）的Python代码示例：

import cv2
import numpy as np

def ssim(img1, img2):
    # 计算均值、方差和协方差
    mean1, mean2 = cv2.mean(img1)[0], cv2.mean(img2)[0]
    var1, var2 = cv2.meanStdDev(img1)[1]**2, cv2.meanStdDev(img2)[1]**2
    cov = np.cov(img1.flatten(), img2.flatten())[0][1]

    # 计算结构相似度
    k1, k2, L = 0.01, 0.03, 255
    c1, c2 = (k1*L)**2, (k2*L)**2
    ssim = ((2*mean1*mean2 + c1)*(2*cov + c2))/((mean1**2 + mean2**2 + c1)*(var1 + var2 + c2))

    return ssim

其中，`img1`和`img2`分别为两张要比较的图片，返回值为它们的结构相似度。

相关问题

彩色图像结构相似度python代码

彩色图像结构相似度可使用结构相似性算法（Structural Similarity Index，SSIM）来计算。Python中有很多第三方库可以实现SSIM算法，比如scikit-image和OpenCV等。下面是使用scikit-image库的示例代码：

from skimage.measure import compare_ssim
import cv2

# 读取两张彩色图像
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 将图像转换为灰度图像
gray_img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray_img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

# 计算结构相似度
ssim = compare_ssim(gray_img1, gray_img2)

print("SSIM值为：", ssim)

其中，`image1.jpg`和`image2.jpg`是两张彩色图像的文件名，需要将它们放在代码所在目录下。代码中，首先使用`cv2.imread`函数读取两张彩色图像，然后将它们转换为灰度图像，最后使用`compare_ssim`函数计算结构相似度。运行代码后，会输出两张图像的SSIM值。

如何计算两张图片的结构相似度，python代码实现

可以使用均方误差(MSE)或结构相似性(SSIM)来计算图片的结构相似度。以下是Python代码实现：

使用MSE：

import cv2

def mse(imageA, imageB):
    err = np.sum((imageA.astype("float") - imageB.astype("float")) ** 2)
    err /= float(imageA.shape[0] * imageA.shape[1])
    return err

# load the images
imageA = cv2.imread("imageA.jpg")
imageB = cv2.imread("imageB.jpg")

# calculate the MSE between the two images
m = mse(imageA, imageB)
print("MSE: ", m)

使用SSIM：

import cv2
from skimage.measure import compare_ssim

# load the images
imageA = cv2.imread("imageA.jpg")
imageB = cv2.imread("imageB.jpg")

# convert the images to grayscale
grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY)

# calculate the SSIM between the two images
(score, diff) = compare_ssim(grayA, grayB, full=True)
print("SSIM: ", score)

其中，MSE值越小表示两张图片越相似，SSIM值越接近1表示两张图片越相似。