python SSIM

SSIM是指结构相似性图像度量（Structural Similarity Image Metric），它是一种用于评估两幅图像结构相似程度的指标。通过计算亮度、对比度和结构三个方面的相似性，SSIM可以提供一个综合的相似性度量。在Python中，我们可以使用第三方库skimage来计算SSIM。具体的调用方式如下所示：

from skimage.metrics import structural_similarity as ssim
from PIL import Image
import numpy as np

img1 = np.array(Image.open('original.jpg'))
img2 = np.array(Image.open('compress.jpg'))

print(ssim(img1, img2, multichannel=True))

以上代码中，我们首先导入所需的库。然后，使用PIL库打开两幅图像，并将它们转换为NumPy数组。最后，通过调用`ssim`函数并传入两幅图像的数组，我们可以得到它们的SSIM值。如果图像是多通道（彩色）图像，则需要将`multichannel`参数设置为`True`。

相关问题

python 计算ssim

在Python中计算结构相似性指数（SSIM）可以使用OpenCV库或Scikit-Image库。下面是使用OpenCV库的示例代码：

import cv2

def ssim(img1, img2):
    # 计算结构相似性指数
    ssim = cv2.compareStructuralSimilarity(img1, img2, multichannel=True)
    return ssim

其中，img1和img2是两张要比较的图像。

使用Scikit-Image库的示例代码如下：

from skimage import measure

def ssim(img1, img2):
    # 计算结构相似性指数
    ssim = measure.compare_ssim(img1, img2, multichannel=True)
    return ssim

同样，img1和img2是两张要比较的图像。注意，Scikit-Image库需要额外安装。

python计算ssim代码

下面是Python计算SSIM的代码示例：

import numpy as np
import cv2

def ssim(img1, img2):
    C1 = (0.01 * 255) ** 2
    C2 = (0.03 * 255) ** 2

    img1 = img1.astype(np.float64)
    img2 = img2.astype(np.float64)
    kernel = cv2.getGaussianKernel(11, 1.5)
    window = np.outer(kernel, kernel.transpose())

    mu1 = cv2.filter2D(img1, -1, window)[5:-5, 5:-5]  # valid
    mu2 = cv2.filter2D(img2, -1, window)[5:-5, 5:-5]
    mu1_sq = mu1 ** 2
    mu2_sq = mu2 ** 2
    mu1_mu2 = mu1 * mu2
    sigma1_sq = cv2.filter2D(img1 ** 2, -1, window)[5:-5, 5:-5] - mu1_sq
    sigma2_sq = cv2.filter2D(img2 ** 2, -1, window)[5:-5, 5:-5] - mu2_sq
    sigma12 = cv2.filter2D(img1 * img2, -1, window)[5:-5, 5:-5] - mu1_mu2

    ssim_map = ((2 * mu1_mu2 + C1) * (2 * sigma12 + C2)) / ((mu1_sq + mu2_sq + C1) * (sigma1_sq + sigma2_sq + C2))
    return ssim_map.mean()

# Example usage:
img1 = cv2.imread('image1.jpg', cv2.IMREAD_GRAYSCALE)
img2 = cv2.imread('image2.jpg', cv2.IMREAD_GRAYSCALE)
ssim_value = ssim(img1, img2)
print("SSIM:", ssim_value)

其中，img1和img2分别为两幅灰度图像，可以使用cv2.imread()函数读取。SSIM值的范围在[-1, 1]之间，值越接近1表示两幅图像越相似。