SSIM 一种衡量两幅图像相似度的指标

     SSIM(Structural Similarity),结构相似性,是一种衡量两幅图像相似度的指标。该指标首先由德州大学奥斯丁分校的图像和视频工程实验室(Laboratory for Image and Video Engineering)提出。SSIM使用的两张图像中,一张为未经压缩的无失真图像,另一张为失真后的图像。

定义

给定两个图像xy,两张图像的结构相似性可按照以下方式求出:

SSIM(x,y ) = \frac{ (2 \mu_{x} \mu_{y} + c_{1}) ((2 \sigma_{xy} + c_{2})) ) }{ (\mu_{x}^{2} + \mu_{y}^{2} + c_{1})(\ \sigma_{x}^{2} + \ \sigma_{y}^{2} + c_{2}) }

其中\mu_{x}是 x的平均值,  \mu_{y}y的平均值,\sigma_{x}^{2}x的方差,\sigma_{y}^{2}y的方差,\sigma_{xy}xy的协方差。c_{1} = (k_{1} L) ^{2}c_{2} = (k_{2} L) ^{2}是用来维持稳定的常数。L是像素值的动态范围。k_{1}=0.01,k_{2} = 0.03。

        结构相似性的范围为-1到1。当两张图一模一样时,SSIM的值等于1.

        作为结构相似性理论的实现,结构相似度指数从图像组成的角度将结构信息定义为独立于亮度、对比度的,反映场景中物体结构的属性,并将失真建模为亮度、对比度和结构三个不同因素的组合。用均值作为亮度的估计,标准差作为对比度的估计,协方差作为结构相似程度的度量。

应用

        由于SSIM的出色表现,SSIM已经成为广播和有线电视中广为使用的一种衡量视频质量的方法。在超分辨率 [2] ,图像去模糊 [3] 中都有广泛的应用。

 

注:本文摘抄至百度百科,主要用于日常使用记录查看方便,如有侵权,联系删!链接SSIM_百度百科。

 

 

 

 

 

 

你可能感兴趣的:(OpenCV,图像质量评估,图像处理)