SSIM计算相关问题及解决方案

创作时间:

作者:

@小白创作中心

SSIM计算相关问题及解决方案

引用

CSDN

https://blog.csdn.net/Ihavequestions/article/details/136486570

结构相似性指数（SSIM）是一种用于评估两幅图像相似度的指标，在图像处理和计算机视觉领域有着广泛的应用。本文将介绍SSIM的基本概念及其计算方法，并通过一个实际案例，探讨在计算地形图和重力异常图的SSIM时遇到的问题及其解决方案。

一、SSIM基本概念

结构相似性指数（SSIM）是一种图像相似性度量方法，旨在评估两个图像之间的质量差异。该指数由三个方面组成，包括亮度（Luminance）、对比度（Contrast）和结构（Structure），综合考虑了这些方面的信息。SSIM值范围在[-1, 1]之间，值越接近1表示两个图像越相似。

在计算两张图像的结构相似性指标时，会开一个局部性的视窗，一般为N×N的小区块，计算出视窗内信号的结构相似性指标，每次以像素为单位移动视窗，直到整张图像每个位置的局部结构相似性指标都计算完毕。将全部的局部结构相似性指标平均起来即为两张图像的结构相似性指标。

SSIM的优点包括：

多维度评价：SSIM不仅考虑了亮度的一致性，还考虑了对比度和结构的一致性，使其更符合人眼主观感知。
对亮度、对比度和结构敏感：SSIM能够捕捉图像中细微的亮度、对比度和结构变化，对于某些应用场景更为准确。

SSIM的缺点包括：

不适用于所有图像：对于某些特殊图像（如自然图像和医学图像），SSIM可能不够灵活，对图像的变化不敏感。
灰度不变性：SSIM对于灰度变化比较敏感，对灰度差异较大的图像评价可能不够准确。
参数选择敏感：SSIM的计算中涉及到一些参数，选择不当可能导致评价结果不准确。

二、计算中遇到的问题

在计算地形图和重力异常图的SSIM时，遇到了以下问题：

数值差异问题：两张图的数值差异体现在均值、标准差等统计量差异比较大。如果不进行预处理，SSIM的结果值会很低。

重力异常图统计信息：

均值：-6.776093420251682
标准差：27.636145432293432
最大值：98.31195
最小值：-194.399

高程图统计信息：
均值：3839.7825
标准差：1649.0690918
最大值：8627
最小值：195

NaN值问题：由于重力异常图在插值过程中没有插完整，导致了SSIM计算结果为NaN。通过将插值方法从linear改为nearest，解决了这个问题。

SSIM值很小：为了解决数值差异问题，进行了图像预处理，包括归一化和线性拉伸。具体代码如下：

def normalize(image):
    # 归一化图像到 [0, 1] 范围
    normalized_image = (image - image.min()) / (image.max() - image.min())
    return normalized_image

def linear_stretch(image, new_min=0, new_max=1):
    # 线性拉伸
    stretched_image = (image - image.min()) / (image.max() - image.min()) * (new_max - new_min) + new_min
    return stretched_image

# 对 image_gravity 进行归一化和线性拉伸
normalized_gravity = normalize(image_gravity)
stretched_gravity = linear_stretch(normalized_gravity)

# 对 image_dem 进行归一化和线性拉伸
normalized_dem = normalize(image_dem)
stretched_dem = linear_stretch(normalized_dem)

经过预处理后，最终得到的SSIM值为0.7068189489964385，结果如下图所示：