OpenCV 实现SSIM结构相似性算法
2017-04-13 17:38
267 查看
SSIM算法的介绍:
http://blog.csdn.net/chaipp0607/article/details/70158835
代码做了一下处理:
(1)设置两组对比试验,将原图进行核为5*5的滤波,与原图比较求得SSIM指数。将原图进行核为10*10的滤波,与原图比较求得SSIM指数。
(2)将SSIM指数折算为百分制
(3)采用高斯模糊求得图像的均值
代码参考:
http://jingyan.baidu.com/article/456c463b67aa310a5931447a.html
打印结果:
模糊5*5通道1:82.523627
模糊5*5通道2:85.781376
模糊5*5通道3:85.903646
模糊5*5:84.736216
模糊10*10通道1:65.029142
模糊10*10通道2:69.286267
模糊10*10通道3:68.664205
模糊10*10:67.659871
http://blog.csdn.net/chaipp0607/article/details/70158835
代码做了一下处理:
(1)设置两组对比试验,将原图进行核为5*5的滤波,与原图比较求得SSIM指数。将原图进行核为10*10的滤波,与原图比较求得SSIM指数。
(2)将SSIM指数折算为百分制
(3)采用高斯模糊求得图像的均值
代码参考:
http://jingyan.baidu.com/article/456c463b67aa310a5931447a.html
#include <opencv2/imgproc/imgproc.hpp> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <iostream> using namespace std; using namespace cv; Scalar getMSSIM(Mat inputimage1, Mat inputimage2); int main() { Mat BlurImage1; Mat BlurImage2; Mat SrcImage = imread("1.jpg"); blur(SrcImage, BlurImage1, Size(5, 5)); blur(SrcImage,BlurImage2,Size(10,10)); Scalar SSIM1 = getMSSIM(SrcImage, BlurImage1); Scalar SSIM2 = getMSSIM(SrcImage, BlurImage2); printf("模糊5*5通道1:%f\n", SSIM1.val[0] * 100); printf("模糊5*5通道2:%f\n", SSIM1.val[1] * 100); printf("模糊5*5通道3:%f\n", SSIM1.val[2] * 100); printf("模糊5*5:%f\n", (SSIM1.val[2] + SSIM1.val[1] + SSIM1.val[0])/3 * 100); printf("模糊10*10通道1:%f\n", SSIM2.val[0] * 100); printf("模糊10*10通道2:%f\n", SSIM2.val[1] * 100); printf("模糊10*10通道3:%f\n", SSIM2.val[2] * 100); printf("模糊10*10:%f\n", (SSIM2.val[2] + SSIM2.val[1] + SSIM2.val[0]) / 3 * 100); imshow("原图",SrcImage); imshow("模糊5*5",BlurImage1); imshow("模糊10*10", BlurImage2); waitKey(0); return 0; } Scalar getMSSIM(Mat inputimage1, Mat inputimage2) { Mat i1 = inputimage1; Mat i2 = inputimage2; const double C1 = 6.5025, C2 = 58.5225; int d = CV_32F; Mat I1, I2; i1.convertTo(I1, d); i2.convertTo(I2, d); Mat I2_2 = I2.mul(I2); Mat I1_2 = I1.mul(I1); Mat I1_I2 = I1.mul(I2); Mat mu1, mu2; GaussianBlur(I1, mu1, Size(11, 11), 1.5); GaussianBlur(I2, mu2, Size(11, 11), 1.5); Mat mu1_2 = mu1.mul(mu1); Mat mu2_2 = mu2.mul(mu2); Mat mu1_mu2 = mu1.mul(mu2); Mat sigma1_2, sigma2_2, sigma12; GaussianBlur(I1_2, sigma1_2, Size(11, 11), 1.5); sigma1_2 -= mu1_2; GaussianBlur(I2_2, sigma2_2, Size(11, 11), 1.5); sigma2_2 -= mu2_2; GaussianBlur(I1_I2, sigma12, Size(11, 11), 1.5); sigma12 -= mu1_mu2; Mat t1, t2, t3; t1 = 2 * mu1_mu2 + C1; t2 = 2 * sigma12 + C2; t3 = t1.mul(t2); t1 = mu1_2 + mu2_2 + C1; t2 = sigma1_2 + sigma2_2 + C2; t1 = t1.mul(t2); Mat ssim_map; divide(t3, t1, ssim_map); Scalar mssim = mean(ssim_map); return mssim; }
打印结果:
模糊5*5通道1:82.523627
模糊5*5通道2:85.781376
模糊5*5通道3:85.903646
模糊5*5:84.736216
模糊10*10通道1:65.029142
模糊10*10通道2:69.286267
模糊10*10通道3:68.664205
模糊10*10:67.659871
相关文章推荐
- SSIM(结构相似度算法)不同实现版本的差异
- 图像质量评估算法 SSIM(结构相似性)
- 【超分辨率】基于结构相似性的图像质量评价SSIM及其python实现
- 实现论坛树型结构的具体算法
- OpenCV下车牌定位算法实现代码 (二)
- 数据结构中关键路径算法的实现与应用
- 不用迭代算法而快速实现的jsp树结构
- 数据结构中关键路径算法的实现与应用
- JSP实现论坛树型结构的具体算法
- OpenCV下车牌定位算法实现代码(一)
- 数据结构与算法(C#实现)系列---演示篇(一)(外摘)
- 不用迭代算法而快速实现的jsp树结构
- 实现论坛树型结构的具体算法
- JSP实现论坛树型结构的具体算法
- OpenCV下车牌定位算法实现代码(一)
- 数据结构中关键路径算法的实现与应用
- JSP实现论坛树型结构的具体算法
- CamShift算法,OpenCV实现(3):CamShift算法
- 基于关系数据库系统链式存储的树型结构数据,求某结点下的子树所有结点算法(t-sql语言实现)
- 实现论坛树型结构的具体算法