opencv计算两张影像的ssim
时间: 2023-06-30 12:27:21 浏览: 77
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:
```python
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:
```c++
#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:
```c++
#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。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)