SSIM

用于测量图像质量的结构相似度(SSIM)指标

折叠所有页面

语法

ssimval = ssim (ref)

[ssimval, ssimmap] = ssim (A, ref)

＿＿＿= ssim (ref,名称,值)

描述

ssimval= SSIM（一个，裁判）计算灰度图像或卷的结构相似性（SSIM）索引一个使用裁判作为参考图像或体积。

例子

［ssimval，ssimmap] = SSIM（一个，裁判）也返回每个像素或体素的本地SSIM值一个．

＿＿＿= SSIM（一个，裁判，名称,值）计算SSIM，使用名称-值对控制计算的各个方面。

例子

全部折叠

计算结构相似指数(SSIM)

打开直播脚本

将图像读入工作区。创建另一个版本的图像，应用模糊过滤器。

ref = imread（'pout.tif'）;H = fspecial ('高斯'11 [11], 1.5);= imfilter (ref, H,'复制'）;

将两个图像显示为蒙太奇。图像沿着尖锐的高对比度区域不同，例如格子的边缘。

蒙太奇（{ref，a}）标题（“参考图像(左)与模糊图像(右)”）

图中包含一个坐标轴。标题为参考图像(左)与模糊图像(右)的坐标轴包含图像类型的对象。

计算每个像素的图像和本地SSIM值的全局SSIM值。

[ssimval, ssimmap] = ssim (A, ref);

显示本地SSIM映射。在图标题中包含全局SSIM值。本地SSIM的小值显示为本地SSIM地图中的暗像素。具有小局部SSIM值的区域对应于模糊图像明显不同于参考图像的区域。本地SSIM值的大值显示为亮像素。具有大型局部SSIM的区域对应于参考图像的均匀区域，其中模糊具有对图像的影响较小。

imshow（ssimmap，[]）标题（[“带有全局SSIM值的本地SSIM映射”num2str (ssimval)])

图中包含一个坐标轴。具有全局SSIM值的标题本地SSIM映射的轴：0.94068包含类型图像的对象。

输入参数

全部折叠

`一个`- - - - - -图像的质量有待衡量
二维灰度图像|三维灰度体积

将测量其质量的图像，指定为2-D灰度图像或3-D灰度音量。

数据类型:单|双|int16|uint8|uint16

`裁判`- - - - - -参考映像
二维灰度图像|三维灰度体积

用于测量质量的参考图像，指定为具有相同大小和数据类型的二维灰度图像或三维灰度体积一个

数据类型:单|双|int16|uint8|uint16

名称-值对的观点

指定可选的逗号分隔的对名称,值论点。的名字参数名和价值是相应的价值。的名字必须出现在引号内。您可以以任何顺序指定多个名称和值对参数name1，value1，...，namen，valuen．

例子：ssim (ref,“动态范围”,100年)

`'动态范围'`- - - - - -输入图像的动态范围
`diff（getrangefromclass（a））`(默认)|积极的标量

输入图像的动态范围，指定为一个正标量。的默认值动态范围取决于图像的数据类型一个，计算为差异（getrangefromclass.（一种））．例如，默认动态范围是255用于数据类型的图像uint8，默认为1用于数据类型的图像双或者单在范围内的像素值[0,1]。

数据类型:单|双|int8|int16|INT32.|uint8|uint16|uint32

`“指数”`- - - - - -亮度、对比度和结构术语的指数
`(1 1 1)`(默认)|非负数的三元向量

亮度，对比度和结构术语的指标，指定为表格的非负数的3元素载体(αβγ)．

数据类型:单|双|int8|int16|INT32.|uint8|uint16|uint32

`'半径'`- - - - - -各向同性高斯函数的标准差
`1.5`(默认)|正数

各向同性高斯函数的标准差，用正数表示。该值用于对像素周围的邻域像素进行加权，以估计局部统计信息。这种加权用于避免在估计本地统计数据时产生阻塞因素。

数据类型:单|双|int8|int16|INT32.|uint8|uint16|uint32

`“RegularizationConstants”`- - - - - -亮度，对比度和结构术语的正则化常数
非负数的三元向量

亮度、对比度和结构术语的正则化常数，指定为非负数形式的3元素向量[C1 C2 C3]．这SSIM函数使用这些正则化常量来避免局部均值或标准偏差接近零的图像区域的不稳定性。因此，应为这些常数使用小的非零值。

默认情况下,

C1 = (0.01 * L)。^ 2,在那里l是指定的动态范围价值。
C2 = (0.03 * L)。^ 2,在那里l是指定的动态范围价值。
C3 = C2/2

数据类型:单|双|int8|int16|INT32.|uint8|uint16|uint32

输出参数

全部折叠

`ssimval`——SSIM指标
数字标量

作为数字标量返回的SSIM索引。ssimval是数据类型双除非一个是数据类型单，在这种情况下ssimval是数据类型单．

的价值ssimval通常在范围内[0,1]。值1表示最高质量并发生时一个和裁判是等价的。数值越小，质量越差。对于某些输入和名称-值对参数的组合，ssimval可以是消极的。

`ssimmap`- SSIM指数的本地值
数字数组

SSIM索引的局部值，作为与输入图像大小相同的非负数的数字数组返回，一个．ssimmap是数据类型双除非一个是数据类型单，在这种情况下ssimmap是数据类型单．

算法

SSIM指标质量评估指标基于三个术语的计算，即亮度项，造影项和结构项。整体指数是三个术语的乘法组合。

$年代年代我米（ x ， y ）＝ {［ l （ x ， y ）］}^{α.} \cdot {［ c （ x ， y ）］}^{β} \cdot {［年代（ x ， y ）］}^{γ.}$

在哪里

$\begin{array}{l} l （ x ， y ）＝ \frac{2 {μ.}_{x} {μ.}_{y} + C_{1}}{{μ.}_{x}^{2} + {μ.}_{y}^{2} + C_{1}} ， \\ c （ x ， y ）＝ \frac{2 {σ.}_{x} {σ.}_{y} + C_{2}}{{σ.}_{x}^{2} + {σ.}_{y}^{2} + C_{2}} ， \\ 年代（ x ， y ）＝ \frac{{σ.}_{x y} + C_{3.}}{{σ.}_{x} {σ.}_{y} + C_{3.}} \end{array}$

在μ_x,μ_y,σ_x,σ_y，和σ._xy是本地的手段，标准偏差和图像的交叉协方差x, y．如果α = β = γ = 1(默认为指数), C_3.= C₂/2(默认选择C_3.）该指数简化为：

$年代年代我米（ x ， y ）＝ \frac{（ 2 {μ.}_{x} {μ.}_{y} + C_{1} ）（ 2 {σ.}_{x y} + C_{2} ）}{（ {μ.}_{x}^{2} + {μ.}_{y}^{2} + C_{1} ）（ {σ.}_{x}^{2} + {σ.}_{y}^{2} + C_{2} ）}$

当为'指定一个非整数值时指数'，这SSIM功能通过将中间亮度，对比度和结构术语夹紧到范围来防止复数输出[0，INF.]。

参考

[1] Zhou W.， A. C. Bovik, H. R. Sheikh, E. P. Simoncelli。“图像质量评估:从错误可见性到结构相似性”。图像处理的IEEE交易．第13卷第4期，2004年4月，600-612页。

另请参阅

immse|multissim|multissim3|psnr值

主题

比较各种压缩水平的图像质量

在R2014A介绍

SSIM

语法

描述

例子

计算结构相似指数(SSIM)

输入参数

`一个`- - - - - -图像的质量有待衡量
二维灰度图像|三维灰度体积

`裁判`- - - - - -参考映像
二维灰度图像|三维灰度体积

名称-值对的观点

`'动态范围'`- - - - - -输入图像的动态范围
`diff（getrangefromclass（a））`(默认)|积极的标量

`“指数”`- - - - - -亮度、对比度和结构术语的指数
`(1 1 1)`(默认)|非负数的三元向量

`'半径'`- - - - - -各向同性高斯函数的标准差
`1.5`(默认)|正数

`“RegularizationConstants”`- - - - - -亮度，对比度和结构术语的正则化常数
非负数的三元向量

输出参数

`ssimval`——SSIM指标
数字标量

`ssimmap`- SSIM指数的本地值
数字数组

更多关于

结构相似度指数

算法

参考

另请参阅

主题

图像处理工具箱文档

万博1manbetx

与Matlab引入深度学习

SSIM

语法

描述

例子

计算结构相似指数(SSIM)

输入参数

一个- - - - - -图像的质量有待衡量二维灰度图像|三维灰度体积

裁判- - - - - -参考映像二维灰度图像|三维灰度体积

名称-值对的观点

'动态范围'- - - - - -输入图像的动态范围diff（getrangefromclass（a））(默认)|积极的标量

“指数”- - - - - -亮度、对比度和结构术语的指数(1 1 1)(默认)|非负数的三元向量

'半径'- - - - - -各向同性高斯函数的标准差1.5(默认)|正数

“RegularizationConstants”- - - - - -亮度，对比度和结构术语的正则化常数非负数的三元向量

输出参数

ssimval——SSIM指标数字标量

ssimmap- SSIM指数的本地值数字数组

更多关于

结构相似度指数

算法

参考

另请参阅

主题

图像处理工具箱文档

万博1manbetx

与Matlab引入深度学习

`一个`- - - - - -图像的质量有待衡量
二维灰度图像|三维灰度体积

`裁判`- - - - - -参考映像
二维灰度图像|三维灰度体积

`'动态范围'`- - - - - -输入图像的动态范围
`diff（getrangefromclass（a））`(默认)|积极的标量

`“指数”`- - - - - -亮度、对比度和结构术语的指数
`(1 1 1)`(默认)|非负数的三元向量

`'半径'`- - - - - -各向同性高斯函数的标准差
`1.5`(默认)|正数

`“RegularizationConstants”`- - - - - -亮度，对比度和结构术语的正则化常数
非负数的三元向量

`ssimval`——SSIM指标
数字标量

`ssimmap`- SSIM指数的本地值
数字数组