Python tf.image.ssim用法及代码示例

计算 img1 和 img2 之间的 SSIM 索引。

用法

tf.image.ssim(
    img1, img2, max_val, filter_size=11, filter_sigma=1.5, k1=0.01, k2=0.03
)

此函数基于以下标准 SSIM 实现：Wang, Z.、Bovik, A. C.、Sheikh, H. R. 和 Simoncelli, E. P. (2004)。图像质量评估：从错误可见性到结构相似性。 IEEE 图像处理交易。

注意：真正的 SSIM 仅在灰度上定义。此函数不执行任何色彩空间变换。 (如果输入已经是 YUV，那么它将计算 YUV SSIM 平均值。)

细节：

• 使用宽度为 1.5 的 11x11 高斯滤波器。
• k1 = 0.01，k2 = 0.03，如原始论文中所述。

由于过滤器大小，图像大小必须至少为 11x11。

例子：

# Read images (of size 255 x 255) from file.
    im1 = tf.image.decode_image(tf.io.read_file('path/to/im1.png'))
    im2 = tf.image.decode_image(tf.io.read_file('path/to/im2.png'))
    tf.shape(im1)  # `img1.png` has 3 channels; shape is `(255, 255, 3)`
    tf.shape(im2)  # `img2.png` has 3 channels; shape is `(255, 255, 3)`
    # Add an outer batch for each image.
    im1 = tf.expand_dims(im1, axis=0)
    im2 = tf.expand_dims(im2, axis=0)
    # Compute SSIM over tf.uint8 Tensors.
    ssim1 = tf.image.ssim(im1, im2, max_val=255, filter_size=11,
                          filter_sigma=1.5, k1=0.01, k2=0.03)

    # Compute SSIM over tf.float32 Tensors.
    im1 = tf.image.convert_image_dtype(im1, tf.float32)
    im2 = tf.image.convert_image_dtype(im2, tf.float32)
    ssim2 = tf.image.ssim(im1, im2, max_val=1.0, filter_size=11,
                          filter_sigma=1.5, k1=0.01, k2=0.03)
    # ssim1 and ssim2 both have type tf.float32 and are almost equal.