用python遍历读取images文件夹里的图片和image_enbeded文件夹里的图片，根据序号一一对应，用tensorflow库进行结构相似度计算

以下是一种可能的实现方式：

import os
import cv2
import numpy as np
import tensorflow as tf

# 定义图片文件夹路径
images_dir = 'images'
embeded_dir = 'image_enbeded'

# 获取图片文件夹中的所有图片文件名
image_files = os.listdir(images_dir)
# 获取嵌入图片文件夹中的所有图片文件名
embeded_files = os.listdir(embeded_dir)

# 确保两个文件夹中的文件数量一致
assert len(image_files) == len(embeded_files)

# 定义函数，用于计算两张图片的结构相似度
def ssim(img1, img2):
    # 将像素值转换为0~1之间的浮点数
    img1 = img1.astype(np.float32) / 255.0
    img2 = img2.astype(np.float32) / 255.0
    # 使用tensorflow计算结构相似度
    ssim = tf.image.ssim(tf.convert_to_tensor(img1), tf.convert_to_tensor(img2), max_val=1.0)
    return ssim.numpy()

# 逐一读取图片并进行结构相似度计算
for i in range(len(image_files)):
    # 读取原始图片
    image_file = os.path.join(images_dir, image_files[i])
    image = cv2.imread(image_file)
    # 读取嵌入图片
    embeded_file = os.path.join(embeded_dir, embeded_files[i])
    embeded = cv2.imread(embeded_file)
    # 计算结构相似度
    similarity = ssim(image, embeded)
    # 输出结果
    print("Image {}: similarity = {:.6f}".format(i+1, similarity))

上述代码中，首先通过`os.listdir()`函数获取了两个文件夹中的所有文件名，并确保两个文件夹中的文件数量一致。然后定义了一个`ssim()`函数，用于计算两张图片的结构相似度，其中使用了tensorflow库提供的`tf.image.ssim()`函数。最后，通过一个循环，逐一读取原始图片和嵌入图片，并计算它们的结构相似度。输出结果中，`{:.6f}`是一个格式化字符串，用于将计算得到的相似度保留6位小数并输出。