OpenCV图像质量评价的SSIM算法(图像相似度)
2016-03-08 11:30
597 查看
Refer from http://jingyan.baidu.com/article/456c463b67aa310a5931447a.html
SSIM 是一种衡量图象的质量的算法,它克服了原有PSNR固有的一些局限性。SSIM的性能好,但是其付出的代价也很大。本经验将在Ubuntu系统下介绍基于SSIM的图像比较算法。
OpenCV环境
code:blocks
1
新建项目或打开原有项目,添加ssim在使用中所需要的库。
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
2
添加命名空间于SSIM调用函数前
using namespace std;using namespace cv;
3
添加函数声明。
Scalar getMSSIM(char * imagePatha,char * imagePathb);
其中参数imagePatha和imagePathb分别是要判定相似度的两张图片的路径,Scalar将会存储两张图像在不同颜色通道中的相似度。
4
添加函数体。将SSIM函数添加至命名空间后。该函数主要功能是时哟功能ssim算法对两张图像进行比较,并将图像在各通道比较的结果以scalar形式返回。
Scalar getMSSIM(char * imagePatha,char * imagePathb)
{
Mat i1=imread(imagePatha);
Mat i2=imread(imagePathb);
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;
}
5
显示数据。数据以scalar格式保存,读取scalar内的数据即可获取相应的相似度值,其中值的范围在0~1之间,1为完全一致,0为完全不一至。
printf("%f\n",mssimV.val[0] * 100);
printf("%f\n",mssimV.val[1] * 100);
printf("%f\n",mssimV.val[2] * 100);
OpenCV图像质量评价的SSIM算法(图像相似度)
SSIM 是一种衡量图象的质量的算法,它克服了原有PSNR固有的一些局限性。SSIM的性能好,但是其付出的代价也很大。本经验将在Ubuntu系统下介绍基于SSIM的图像比较算法。
工具/原料
OpenCV环境code:blocks
方法/步骤
1新建项目或打开原有项目,添加ssim在使用中所需要的库。
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
2
添加命名空间于SSIM调用函数前
using namespace std;using namespace cv;
3
添加函数声明。
Scalar getMSSIM(char * imagePatha,char * imagePathb);
其中参数imagePatha和imagePathb分别是要判定相似度的两张图片的路径,Scalar将会存储两张图像在不同颜色通道中的相似度。
4
添加函数体。将SSIM函数添加至命名空间后。该函数主要功能是时哟功能ssim算法对两张图像进行比较,并将图像在各通道比较的结果以scalar形式返回。
Scalar getMSSIM(char * imagePatha,char * imagePathb)
{
Mat i1=imread(imagePatha);
Mat i2=imread(imagePathb);
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;
}
5
显示数据。数据以scalar格式保存,读取scalar内的数据即可获取相应的相似度值,其中值的范围在0~1之间,1为完全一致,0为完全不一至。
printf("%f\n",mssimV.val[0] * 100);
printf("%f\n",mssimV.val[1] * 100);
printf("%f\n",mssimV.val[2] * 100);
相关文章推荐
- Vs2012在Linux开发中的应用(5):项目属性的定义
- CentOS6.5禁用IPv6
- 斜杠/和反斜杠\ 的区别
- 深入理解Runloop
- tomcat7开启SSI功能
- linux 部署项目全命令
- mirantis openstack安装后处理
- web.xml中openEntityManagerInViewFilter的作用(转)
- glGetString(GL_VERSION)总是返回null
- 读ecshop笔记(二)——RBAC
- tomcat的文档目录结构详解
- CentOS6安装python2.7
- 监控入门-vmstat命令
- Linux下各个errno的意思
- 将Apache的.htaccess转换到nginx中
- Linux 命令------less
- 监控入门-Linux的平均负载(load average)
- popupwindow从底部弹出
- Request processing failed; nested exception is org.apache.ibatis.binding.BindingException:
- pipe