opencv计算两张影像的ssim

要计算两张影像的SSIM（结构相似性指标），可以使用OpenCV中的cv2.SSIM方法。下面是一个计算两张图片SSIM的示例代码：

import cv2

# 读入两张图片
img1 = cv2.imread('img1.jpg')
img2 = cv2.imread('img2.jpg')

# 计算 SSIM
ssim = cv2.SSIM(img1, img2)

print("SSIM:", ssim)

其中，'img1.jpg'和'img2.jpg'是要比较的两张图片的文件路径。SSIM的计算结果将会被打印出来。注意，SSIM的值越接近1，表示两张图片的相似度越高。

相关问题

c++利用opencv计算两张影像的ssim

要计算两张影像的结构相似性指数（SSIM），可以使用OpenCV的SSIM函数。以下是计算两张图像SSIM的示例代码：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

int main(int argc, char** argv)
{
    // 读取两张图像
    Mat img1 = imread("image1.jpg");
    Mat img2 = imread("image2.jpg");

    // 将图像转换为灰度图像
    cvtColor(img1, img1, COLOR_BGR2GRAY);
    cvtColor(img2, img2, COLOR_BGR2GRAY);

    // 计算SSIM
    double ssim = compareSSIM(img1, img2);

    cout << "SSIM: " << ssim << endl;

    return 0;
}

在上面的代码中，我们首先使用imread()函数读取两张图像，然后使用cvtColor()函数将它们转换为灰度图像。最后，我们使用compareSSIM()函数计算SSIM，并将结果打印出来。注意，compareSSIM()函数的输入必须是灰度图像。

需要注意的是，OpenCV的SSIM函数计算的是两张图像的结构相似性，而不是内容相似性。如果两张图像的内容相同但是尺寸不同，则它们的SSIM值可能会很低。因此，当使用SSIM来比较两张图像时，应该确保它们的尺寸相同。

opencv计算ssim的c++代码

以下是使用OpenCV计算SSIM的C++代码示例：

#include <opencv2/opencv.hpp>
#include <iostream>

double getMSSIM(const cv::Mat& i1, const cv::Mat& i2)
{
    const double C1 = 6.5025, C2 = 58.5225;
    /***************************** INITS **********************************/
    int d     = CV_32F;

    cv::Mat I1, I2;
    i1.convertTo(I1, d);           // cannot calculate on one byte large values
    i2.convertTo(I2, d);

    cv::Mat I2_2   = I2.mul(I2);        // I2^2
    cv::Mat I1_2   = I1.mul(I1);        // I1^2
    cv::Mat I1_I2  = I1.mul(I2);        // I1 * I2

    /***********************PRELIMINARY COMPUTING ******************************/

    cv::Mat mu1, mu2;   //
    cv::GaussianBlur(I1, mu1, cv::Size(11, 11), 1.5);
    cv::GaussianBlur(I2, mu2, cv::Size(11, 11), 1.5);

    cv::Mat mu1_2   =   mu1.mul(mu1);
    cv::Mat mu2_2   =   mu2.mul(mu2);
    cv::Mat mu1_mu2 =   mu1.mul(mu2);

    cv::Mat sigma1_2, sigma2_2, sigma12;

    cv::GaussianBlur(I1_2, sigma1_2, cv::Size(11, 11), 1.5);
    sigma1_2 -= mu1_2;

    cv::GaussianBlur(I2_2, sigma2_2, cv::Size(11, 11), 1.5);
    sigma2_2 -= mu2_2;

    cv::GaussianBlur(I1_I2, sigma12, cv::Size(11, 11), 1.5);
    sigma12 -= mu1_mu2;

    ///////////////////////////////// FORMULA ////////////////////////////////
    cv::Mat t1, t2, t3;

    t1 = 2 * mu1_mu2 + C1;
    t2 = 2 * sigma12 + C2;
    t3 = t1.mul(t2);              // t3 = ((2*mu1_mu2 + C1).*(2*sigma12 + C2))

    t1 = mu1_2 + mu2_2 + C1;
    t2 = sigma1_2 + sigma2_2 + C2;
    t1 = t1.mul(t2);               // t1 =((mu1_2 + mu2_2 + C1).*(sigma1_2 + sigma2_2 + C2))

    cv::Mat ssim_map;
    cv::divide(t3, t1, ssim_map);      // ssim_map =  t3./t1;

    cv::Scalar mssim = cv::mean(ssim_map); // mssim = average of ssim map
    return mssim[0];
}

int main(int argc, char** argv)
{
    if (argc != 3)
    {
        std::cout << "usage: " << argv[0] << " <input_image1> <input_image2>" << std::endl;
        return -1;
    }

    cv::Mat img1 = cv::imread(argv[1], cv::IMREAD_GRAYSCALE);
    cv::Mat img2 = cv::imread(argv[2], cv::IMREAD_GRAYSCALE);

    double ssim = getMSSIM(img1, img2);
    std::cout << "SSIM: " << ssim << std::endl;

    return 0;
}

在这个示例中，我们使用了OpenCV中的函数 `cv::GaussianBlur()` 来计算图像的均值和方差。函数 `cv::mean()` 用于计算SSIM映射的平均值。