Python tf.image.ssim用法及代碼示例

計算 img1 和 img2 之間的 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
)

此函數基於以下標準 SSIM 實現：Wang, Z.、Bovik, A. C.、Sheikh, H. R. 和 Simoncelli, E. P. (2004)。圖像質量評估：從錯誤可見性到結構相似性。 IEEE 圖像處理交易。

注意：真正的 SSIM 僅在灰度上定義。此函數不執行任何色彩空間變換。 (如果輸入已經是 YUV，那麽它將計算 YUV SSIM 平均值。)

細節：

• 使用寬度為 1.5 的 11x11 高斯濾波器。
• k1 = 0.01，k2 = 0.03，如原始論文中所述。

由於過濾器大小，圖像大小必須至少為 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.