评估指标来评估两幅图像之间的相似性。
image-similarity-measures的Python项目详细描述
图像相似性度量
实现了八个评价指标来获取两幅图像之间的相似度。这八项指标如下:
- Root mean square error (RMSE)
- Peak signal-to-noise ratio (PSNR)
- Structural Similarity Index (SSIM)
- Feature-based similarity index (FSIM)
- Information theoretic-based Statistic Similarity Measure (ISSM)
- Signal to reconstruction error ratio (SRE)
- Spectral angle mapper (SAM),以及
- Universal image quality index (UIQ)
说明书
以下分步说明将指导您安装此包并使用命令行工具运行评估。在
注意:支持的python版本是3.6、3.7、3.8。在
安装软件包
pip install image-similarity-measures
用法
参数
^{pr2}$评估
要进行评估,可以轻松运行以下命令:
image-similarity-measures --org_img_path=path_to_first_img --pred_img_path=path_to_second_img --mode=tif
如果要将最终结果保存到一个文件中,可以在上面命令的末尾添加--write_to_file
。在
注意用于评估的图像应该是channel last。在
在python中的用法
import image_similarity_measures from image_similarity_measures.quality_metrics import rmse, psnr
从源安装包
克隆存储库
git clone https://github.com/up42/image-similarity-measures.git
cd image-similarity-measures
然后通过cd image-similarity-measures
导航到该文件夹。在
安装所需的库
首先创建一个名为similarity-measures
的新虚拟环境,例如使用
virtualenvwrapper:
mkvirtualenv --python=$(which python3.7) similarity-measures
激活新环境:
workon similarity-measures
通过以下方式安装必要的Python库:
bash setup.sh
引文
请使用以下内容引用此代码库:
Müller,M.U.,Ekhtiari,N.,Almeida,R.M.和Rieke,C.:多光谱的超分辨率 卫星图像使用卷积神经网络,ISPRS-Ann。摄影术。远程传感器。 空间信息科学,V-1-2020,33-40,https://doi.org/10.5194/isprs-annals-V-1-2020-33-2020,2020。
- 项目
标签: