Python光谱图像评价指标SAM, PSNR, MSE, SSIM，ERGAS

1、图像客观质量评价

import numpy as np
import imgvision as iv
#导入高光谱图像以及重建图像
Hyperspectral_Image = np.load('HSI.npy') 
Reconstruction =  np.load('Re_HSI')
#创建评价器
Metric = iv.spectra_metric(Hyperspectral_Image,Reconstruction)
#评价SAM：
SAM = Metric.SAM()
#评价PSNR：
PSNR = Metric.PSNR()
#评价SSIM：
SSIM = Metric.SSIM()  #图像像素范围的最大值为1时
SSIM_int8 = Metric.SSIM(l=255)  #图像像素范围的最大值为255时（即8进制）
#评价ERGAS:
ERGAS = Metric.ERGAS()
#评价PSNR, SAM, ERGAS, SSIM
Metric.Evaluation()

2、MAT模式

import numpy as np
import imgvision as iv
#导入高光谱图像以及重建图像
Hyperspectral_Image = np.load('HSI.npy') 
Reconstruction =  np.load('Re_HSI')
#创建评价器
Metric = iv.spectra_metric(Hyperspectral_Image,Reconstruction)
#评价SAM：
SAM = Metric.SAM(mode='mat')
#SAM.shape = [Hyperspectral_Image.shape[0]*Hyperspectral_Image.shape[1],]
#评价MSE:
MSE = Metric.MSE(mode='mat')
#MSE.shape = [Hyperspectral_Image.shape[0]*Hyperspectral_Image.shape[1],]

#评价PSNR：
PSNR = Metric.PSNR(mode='mat')
#PSNR.shape = [Hyperspectral_Image.shape[-1],]

#评价SSIM：
SSIM = Metric.SSIM(mode='mat')  #图像像素范围的最大值为1时
SSIM_int8 = Metric.SSIM(l=255,mode='mat')  #图像像素范围的最大值为255时（即8进制）
#SSIM.shape = [Hyperspectral_Image.shape[-1],]

3、什么是图像的MAT模式

在图像处理中，MAT（Matrix）模式是一种常见的表示图像的数据结构。MAT模式将图像表示为一个矩阵或数组，其中每个元素表示图像的一个像素值。

MAT模式通常用于灰度图像，其中每个像素的值代表灰度级别，通常在0到255之间。矩阵的行和列对应于图像中的像素位置，因此可以通过索引来访问和修改每个像素的值。

例如，对于一个100x100像素的灰度图像，MAT模式可以表示为一个100x100的矩阵：

[  0  10  20  ...   0  15  25  
   5   0  30  ...   0  40  10
  25  30   0  ...  50  55   0
             ...
   0   0  70  ...   0   0   0  ]

对于彩色图像，MAT模式可以使用三维矩阵表示，其中每个像素包含红、绿、蓝（RGB）三个通道的值。矩阵的行和列仍然对应于图像中的像素位置，而矩阵中的第三个维度代表通道。

例如，对于一个100x100像素的彩色图像，MAT模式可以表示为一个100x100x3的矩阵，其中每个元素是一个长度为3的向量，分别表示红、绿、蓝通道的灰度级别。

[ [255  0  0]  [ 10 200 100]  [ 50  50  50]  ...  [  0  15  25]
  [  0  0  0]  [  0   0   0]  [200 100   0]  ...  [  0  40  10]
  [  0  0 0]   [100 200 100]  [  0   0   0]  ...  [ 50  55   0]
                 ...
  [  0  0 0]   [  0   0   0]  [  0  70   0]  ...  [  0   0   0] ]

MAT模式提供了一种灵活且直观的方式来表示和操作图像数据，因此在许多图像处理库和工具中被广泛使用。这种表示方式使得可以很容易地进行图像的处理、分析和算法应用。