ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别

ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别

目录

输出结果

代码实现

相关文章
ML之相似度计算：图像数据、字符串数据等计算相似度常用的十种方法简介、代码实现
ML之Hash_EditDistance&Hash_HammingDistance&Hog_HanMing&Cosin&SSIM：基于输入图片利用多种算法进行判别
ML之Hash_EditDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法进行判别
ML之Hash_HamMingDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法进行判别
ML之Hog_HammingDistance：基于Hog特征提取“RGB”图像的768个值的单向vector利用汉明距离算法进行判别
ML之Cosin：基于输入图片RGB均值化转为单向vector利用Cosin(余弦相似度)算法进行判别
ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别

输出结果

代码实现

  

   

    

     

    
    

     

      def Ssim(img_path1,img_path2):
     
    
   

    

     

    
    

     
 from skimage.measure import compare_ssim
     
    
   

    

     

    
    

     

       img2 = np.resize(img2, (img1.shape[0], img1.shape[1], img1.shape[2]))
     
    
   

    

     

    
    

     
 
     
    
   

    

     

    
    

     

       ssim = compare_ssim(img1, img2, multichannel=True)
     
    
   

    

     

    
    

     
 return ssim
     
    
  
 

文章来源: yunyaniu.blog.csdn.net，作者：一个处女座的程序猿，版权归原作者所有，如需转载，请联系作者。

原文链接：yunyaniu.blog.csdn.net/article/details/103401365