求彩色图像的SSIM代码

以下是Python代码，用于计算两张彩色图像之间的结构相似性指标（SSIM）：

import cv2
import numpy as np

def ssim(img1, img2):
    # 计算亮度、对比度、结构性三个因子的权重
    K1 = 0.01
    K2 = 0.03
    L = 255
    C1 = (K1 * L) ** 2
    C2 = (K2 * L) ** 2
    window = cv2.createGaussianKernel((11, 11), 1.5)  # 高斯窗口

    # 计算均值、方差、协方差
    mu1 = cv2.filter2D(img1, -1, window)[5:-5, 5:-5]
    mu2 = cv2.filter2D(img2, -1, window)[5:-5, 5:-5]
    mu1_sq = mu1 ** 2
    mu2_sq = mu2 ** 2
    mu1_mu2 = mu1 * mu2
    sigma1_sq = cv2.filter2D(img1 ** 2, -1, window)[5:-5, 5:-5] - mu1_sq
    sigma2_sq = cv2.filter2D(img2 ** 2, -1, window)[5:-5, 5:-5] - mu2_sq
    sigma12 = cv2.filter2D(img1 * img2, -1, window)[5:-5, 5:-5] - mu1_mu2

    # 计算结构相似性指标
    ssim_map = ((2 * mu1_mu2 + C1) * (2 * sigma12 + C2)) / ((mu1_sq + mu2_sq + C1) * (sigma1_sq + sigma2_sq + C2))
    return np.mean(ssim_map)

# 读取两张彩色图像
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 计算两张图像的SSIM
ssim_value = ssim(img1, img2)
print('SSIM:', ssim_value)

需要注意的是，此代码仅适用于计算两张彩色图像之间的SSIM，如果需要计算灰度图像之间的SSIM，则需要进行一些修改。此外，为了加快计算速度，此代码使用了高斯窗口进行滤波处理，但这也会对SSIM的计算结果产生一定影响。