做一个结算ssim的函数

好的，下面是一个可以计算两张图像之间SSIM相似度的Python函数：

import cv2
import numpy as np

def calculate_ssim(img1, img2):
    # 计算SSIM相似度
    ssim = cv2.compare_ssim(img1, img2)
    return ssim

def calculate_mssim(img1, img2, win_size=11, sigma=1.5, k1=0.01, k2=0.03, L=255):
    # 计算MSSIM相似度
    C1 = (k1 * L) ** 2
    C2 = (k2 * L) ** 2
    img1 = img1.astype(np.float64)
    img2 = img2.astype(np.float64)
    mu1 = cv2.GaussianBlur(img1, (win_size, win_size), sigma)
    mu2 = cv2.GaussianBlur(img2, (win_size, win_size), sigma)
    mu1_mu2 = mu1 * mu2
    mu1_sq = mu1 ** 2
    mu2_sq = mu2 ** 2
    sigma1_sq = cv2.GaussianBlur(img1 ** 2, (win_size, win_size), sigma) - mu1_sq
    sigma2_sq = cv2.GaussianBlur(img2 ** 2, (win_size, win_size), sigma) - mu2_sq
    sigma12 = cv2.GaussianBlur(img1 * img2, (win_size, win_size), sigma) - mu1_mu2
    num = ((2 * mu1_mu2 + C1) * (2 * sigma12 + C2))
    den = ((mu1_sq + mu2_sq + C1) * (sigma1_sq + sigma2_sq + C2))
    ssim = np.mean(num / den)
    return ssim

上面的代码中，calculate_ssim函数使用了cv2.compare_ssim计算两张图像之间的SSIM相似度，而calculate_mssim函数则是基于MSSIM算法实现的相似度计算函数，其中win_size表示滑动窗口的大小，sigma表示高斯核的标准差，k1和k2分别是控制相似度计算的常数，L表示像素值的范围。可以根据需要调整这些参数的值。

这两个函数的输入是待比较的两张图像，输出是它们之间的相似度分数。