前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >比较两幅图像的相似度的各种相似度量结果对比

比较两幅图像的相似度的各种相似度量结果对比

作者头像
deephub
发布2021-09-15 15:11:00
4K0
发布2021-09-15 15:11:00
举报
文章被收录于专栏:DeepHub IMBADeepHub IMBA

对于人眼来说,很容易看出两个给定图像的质量有多相似。例如下图将各种空间噪声添加到图片中,我们很容易将它们与原始图像进行比较,并指出其中的扰动和不规则性。但是在机器学习中我们需要数学表达式来量化这种差异。

在本文中,我们将看到如何使用一行代码实现以下相似性度量,并对比各相似度的评分:

代码语言:javascript
复制
Mean Squared Error (MSE)
Root Mean Squared Error (RMSE)
Peak Signal-to-Noise Ratio (PSNR)
Structural Similarity Index (SSIM)
Universal Quality Image Index (UQI)
Multi-scale Structural Similarity Index (MS-SSIM)
Erreur Relative Globale Adimensionnelle de Synthèse (ERGAS)
Spatial Correlation Coefficient (SCC)
Relative Average Spectral Error (RASE)
Spectral Angle Mapper (SAM)
Visual Information Fidelity (VIF)

sewar库可用于实现所有这些指标(以及其他一些指标)。

开始安装sewar:

代码语言:javascript
复制
pip install sewar

首先我们导入相应的库

代码语言:javascript
复制
from sewar.full_ref import mse, rmse, psnr, uqi, ssim, ergas, scc, rase, sam, msssim, vifp

这些模块很容易使用,可以直接调用,如下所示。

代码语言:javascript
复制
print("MSE: ", mse(blur,org))
print("RMSE: ", rmse(blur, org))
print("PSNR: ", psnr(blur, org))
print("SSIM: ", ssim(blur, org))
print("UQI: ", uqi(blur, org))
print("MSSSIM: ", msssim(blur, org))
print("ERGAS: ", ergas(blur, org))
print("SCC: ", scc(blur, org))
print("RASE: ", rase(blur, org))
print("SAM: ", sam(blur, org))
print("VIF: ", vifp(blur, org))

对于每一种噪声方法,我们可以看到下面的相似结果。“Original”一栏显示的是原始图像与自身比较后的分数,以便看到理想的分数。

每一种噪声方法的值都与上面图像网格直观获得的值相对应。例如,Salt and Pepper和Poisson方法添加的噪声是肉眼不容易看到的,需要我们通过对图像的肉眼近距离观察发现。在相似度评分中,我们可以看到,与其他噪声方法相比,Salt and Pepper和Poisson的值更接近于理想值。类似的观察结果也可以从其他噪声方法和指标中得到。

从结果看来,ERGAS、MSE、SAM和VIFP能够足够敏感地捕捉到添加的噪声并返回放大的分数。

但这种简单的量化有什么用呢?

最常见的应用是重新生成或重建的图像与其原始的、干净的版本进行比较。GAN最近在去噪和清理图像方面做得非常好,这些指标可以用来衡量模型在视觉观察之外实际重建图像的效果。利用这些相似度指标来评估大量生成图像的再生质量,可以减少人工可视化评估模型的工作。

此外,相似度度量也可以判断和强调图像中是否存在的对抗性攻击。因此,这些分数可以用来量化这些攻击带来的干扰量。

作者:Param Raval

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-08-21,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 DeepHub IMBA 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档