matlab练习程序（SSIM）

最新推荐文章于 2023-11-03 16:26:18 发布

转载最新推荐文章于 2023-11-03 16:26:18 发布 · 1k 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/tiandsp/archive/2012/12/14/2818299.html

文章标签：

#matlab #ux

本文介绍了一种名为SSIM的图像质量评估方法，该方法与PSNR类似，用于评价压缩后图像的质量。通过计算图像与压缩后的图像之间的结构相似度指数来评估图像质量，返回值在0-1之间，值越大表示图像质量越好。文章提供了实现SSIM的MATLAB代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

　　一种评价压缩后图像质量的方法，和PSNR类似。具体论文看这里。

　　代码：

function main

    img=imread('lena.jpg');
    [m n]=size(img);
    imgn=imresize(img,[floor(m/8) floor(n/8)]);
    imgn=imresize(imgn,[m n]);
    img=double(img);
    imgn=double(imgn);

    tmp=[];
    for i=9:8:m
       for j=9:8:n
          tmp=[tmp SSIM(img(i-8:i,j-8:j),imgn(i-8:i,j-8:j))];        
       end    
    end

    MSSIM=mean(tmp)

    function re=SSIM(X,Y)　　%返回值在0-1之间，越大质量越好。
        X=double(X);
        Y=double(Y);

        ux=mean(mean(X));
        uy=mean(mean(Y));

        sigma2x=mean(mean((X-ux).^2));
        sigma2y=mean(mean((Y-uy).^2));   
        sigmaxy=mean(mean((X-ux).*(Y-uy)));

        k1=0.01;
        k2=0.03;
        L=255;
        c1=(k1*L)^2;
        c2=(k2*L)^2;
        c3=c2/2;

        l=(2*ux*uy+c1)/(ux*ux+uy*uy+c1);
        c=(2*sqrt(sigma2x)*sqrt(sigma2y)+c2)/(sigma2x+sigma2y+c2);
        s=(sigmaxy+c3)/(sqrt(sigma2x)*sqrt(sigma2y)+c3);

        re=l*c*s;

    end

end