Индекс структурного сходства, пиковое отношение сигнала к шуму

При сравнении изображений среднеквадратичная погрешность (MSE), хотя и легко вычисляется, может быть не очень хорошим показателем их воспринимаемого сходства.

Индекс структурного сходства (SSIM) призван устранить этот недостаток: он учитывает текстуру и присваивает более высокую оценку изображениям, которые могут казаться похожими.

Мы используем изображение в оттенках серого из пакета TestImages, который содержит стандартный набор тестовых изображений. Типы float, float32 и float64 сохраняют информацию о цветовых составляющих, поэтому изображение теперь состоит из пикселей типа Gray{Float64}.

Функция assess_ssim, которая принимает два изображения в качестве входных данных и возвращает их индекс структурного сходства, является самым простым способом вычисления SSIM двух изображений.

Оценка SSIM 1.00 означает идеальное структурное сходство, чего и следовало ожидать для идентичных изображений.

Теперь создадим два варианта исходного изображения: На изображении image_const слева интенсивность всех пикселей увеличена в 0.2 раза на диапазон интенсивности, в то время как на изображении image_noise справа интенсивность некоторых пикселей увеличена, а интенсивность остальных уменьшена на ту же величину. Выглядят эти два изображения совершенно по-разному.

Мы используем функцию mse, определенную в ImageDistances, для вычисления среднеквадратичной погрешности между исходным и двумя измененными изображениями.

Несмотря на визуальные различия, оба изображения имеют одинаковую среднеквадратичную погрешность 0.400 по сравнению с оригиналом. Это показывает, что в некоторых случаях MSE может не отражать воспринимаемое сходство изображений.

Оценки SSIM изображений существенно различаются, причем image_const оценивается гораздо ближе к исходному изображению с точки зрения воспринимаемого сходства, что соответствует наблюдению.

Хотя функция assess_ssim является удобным способом вычисления SSIM двух изображений, она не позволяет передавать пользовательские параметры в алгоритм SSIM. Для этого есть следующий синтаксис.

Здесь первый параметр — это ядро, используемое для взвешивания соседства каждого пикселя при локальном вычислении SSIM, по умолчанию KernelFactors.gaussian(1.5, 11). Второй параметр — это набор весов (α, β, γ), присваиваемых членам яркости (L), контрастности © и структуры (S) при вычислении SSIM, по умолчанию (1.0, 1.0, 1.0). Напомним, что SSIM определяется как Lᵅ × Cᵝ × Sᵞ.