图片评价指标SSIM代码

SSIM（结构相似性指标）是一种常用的图像评价指标，用于比较两幅图像的相似程度。以下是Python中计算SSIM的示例代码：

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]
    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 np.mean(ssim_map)

# 示例用法
img1 = cv2.imread('img1.png')
img2 = cv2.imread('img2.png')
score = ssim(img1, img2)
print(score)

在上面的代码中，我们首先计算SSIM所需的参数值，然后使用高斯滤波器对图像进行平滑处理，计算图像均值和标准差，并计算结构相似性指标。最后，我们将SSIM值的平均值返回作为两幅图像的相似度评分。