python实现两幅图像的FSIM计算代码

FSIM (Feature Similarity Index) 是一种用于评估两张图像之间特征相似度的算法，它结合了结构相似性和对比敏感度信息。在Python中，你可以使用开源库`scikit-image`或自定义代码实现FSIM。这里是一个简单的例子，使用`scikit-image`库：

首先，确保安装了`scikit-image`，如果没有，可以使用pip安装：

pip install scikit-image

然后，可以使用以下代码计算两幅图像的FSIM得分：

from skimage.measure import compare_ssim as ssim
import matplotlib.pyplot as plt
import cv2

def compute_fsim(image1, image2):
    # 对图像进行灰度处理
    gray_image1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
    gray_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)

    # 计算SSIM，因为FSIM基于SSIM，所以可以直接获取分数
    fsim_score = ssim(gray_image1, gray_image2, multichannel=False)

    return fsim_score

# 读取两幅图像
image1_path = 'path_to_image1.jpg'
image2_path = 'path_to_image2.jpg'

image1 = cv2.imread(image1_path)
image2 = cv2.imread(image2_path)

fsim_score = compute_fsim(image1, image2)
print(f"FSIM score between {image1_path} and {image2_path}: {fsim_score}")

# 可选：可视化比较
plt.figure(figsize=(10, 5))
plt.subplot(121), plt.imshow(image1), plt.title('Image 1')
plt.subplot(122), plt.imshow(image2), plt.title('Image 2')
plt.show()

记得替换`image1_path`和`image2_path`为你需要比较的图片路径。