两幅图像的特征相似性对比

• 图像特征相似性
• • SSIM
  • SSIM特征相似性检验

图像特征相似性

通过PSNR、SSIM以及图像特征对两幅图像进行相似性比较，下面把比较的代码和函数输出搬上来以供参考。

SSIM

SSIM评估流程如下：

1. 对于输入两副图像，首先计算亮度评价并进行比对，得到第一个相似性对比，在此基础上减去亮度评价影响，计算对比度评价，得到对比度对比，再用上步结果除掉对比度评价进行结构评价，得到结构对比，最后将对比结果融合，得到最终的评价结果，SSIM公式基于样本x和y之间的比较衡量亮度L，对比度C和结构S：
   一般取c3=c2/2, σ_xy是x和y的协方差, μ是均值, σ是标准差，c是常数，避免除零
   带入公式得到
   

SSIM特征相似性检验

图像直方图的距离采用欧氏距离、巴式距离和相关性计算

有M个样本向量X1~Xm，协方差矩阵记为S，均值向量记为μ，则样本向量X到μ的马氏距离为

相关系数是衡量两个特征列之间相关程度的一种方法，取值范围[-1,1]。相关系数的绝对值越大，表明特征列X和Y的相关程度越高。当取值为1时表明正线性相关，-1时表明负线性相关

提取图像颜色特征的一个传统方法是统计图像像素色彩的分布情况，即颜色直方图。它所描述的是不同色彩在整幅图像中所占的比例

灰度统计直方图
由于RGB 空间并不符合人们对颜色相似性的主观判断．因此，使用符合主观感觉的 HSV 空间，对两张照片的色调、饱和度和亮度进行直方图统计
HSV

通过Gabor小波滤波器对原始采集图像和渲染图像进行物体纹理特征的提取

应用边缘检测算法大大减少图像数据量，能够过滤掉无用信息，留下图像的重要结构，大大简化图像处理工作。对图片针对不同算子提取边缘特征，就目标与背景区域，对比其边缘提取的效果
Canny算子

Sobel算子

相较Harris和ORB等角点提取方法，SIFT特征提取速度较慢，无法满足视觉里程计的实时性要求，但是效果更好，精度更高。角点特征匹配采用SIFT算法进行角点特征提取，通过FLANN 快速最近邻逼近搜索函数实现快速高效匹配，接下来通过KNN近邻最优匹配对匹配点进行筛选，最终得到匹配点映射集合

Python源代码的地址如下，欢迎下载交流讨论。
https://download.csdn/download/frank90_z/84997845