Traceback (most recent call last): File "E:\lastcode\TurbulenceSim_v1-master\Turbulence_Sim_v1_python\sample2.py", line 26, in <module> ssim = skimage.measure.compare_ssim(img1, img2, data_range=255) AttributeError: module 'skimage.measure' has no attribute 'compare_s

这个错误提示是因为你调用了`skimage.measure` 模块下的`compare_ssim` 函数，但这个函数在新版的scikit-image库中已经被移除了。因此，你需要使用其他的方法来计算结构相似性（SSIM）。

你可以通过以下方式计算SSIM:

1. 使用Scipy库中的`scipy.signal` 模块下的`convolve2d` 函数来计算高斯加权平均值。

2. 使用Scikit-Image库中的`skimage.filters` 模块下的`gaussian` 函数创建高斯滤波器。

3. 使用Scikit-Image库中的`skimage.metrics` 模块下的`structural_similarity` 函数计算结构相似性。

这里是一个示例代码：

from scipy.signal import convolve2d
from skimage.filters import gaussian
from skimage.metrics import structural_similarity

# Load two images
img1 = ...
img2 = ...

# Convert to grayscale if necessary
if img1.ndim == 3:
    img1 = skimage.color.rgb2gray(img1)
if img2.ndim == 3:
    img2 = skimage.color.rgb2gray(img2)

# Create Gaussian filter
sigma = 1.5
gaussian_filter = gaussian(11, sigma)

# Compute weighted means
mu1 = convolve2d(img1, gaussian_filter, mode='same')
mu2 = convolve2d(img2, gaussian_filter, mode='same')

# Compute weighted variances and covariances
sigma1_sq = convolve2d(np.power(img1 - mu1, 2), gaussian_filter, mode='same')
sigma2_sq = convolve2d(np.power(img2 - mu2, 2), gaussian_filter, mode='same')
sigma12 = convolve2d((img1 - mu1) * (img2 - mu2), gaussian_filter, mode='same')

# Compute SSIM
k1 = 0.01
k2 = 0.03
L = 255
C1 = np.power(k1 * L, 2)
C2 = np.power(k2 * L, 2)
ssim = structural_similarity(img1, img2, win_size=11, sigma=sigma, data_range=L, K1=C1, K2=C2)

这个示例代码中，我们首先加载了两个图像，然后将它们转换为灰度图像（如果它们是彩色图像）。接下来，我们创建了一个高斯滤波器，并用它计算了图像的加权均值和方差。最后，我们使用Scikit-Image库中的`structural_similarity` 函数计算了结构相似性。