tf.image.ssim

Вычисляет индекс SSIM между img1 и img2.

tf.image.ssim(
    img1, img2, max_val, filter_size=11, filter_sigma=1.5, k1=0.01, k2=0.03
)

Эта функция основана на стандартной реализации SSIM из: Wang, Z., Bovik, A. C., Sheikh, H. R., & Simoncelli, E. P. (2004). Оценка качества изображения: от видимости ошибок к структурному сходству. IEEE Transactions on Image Processing.

Примечание: Истинный SSIM определяется только для градации серого. Эта функция не выполняет преобразования цветового пространства. (Если входные данные уже в формате YUV, то она вычислит среднее значение SSIM YUV).

Подробности:

• Используется гауссовский фильтр 11x11 с шириной 1,5.
• k1 = 0,01, k2 = 0,03, как в оригинальной статье.

Размер изображения должен быть не менее 11x11 из-за размера фильтра.

Пример:

# Read images (of size 255 x 255) from file.
im1 = tf.image.decode_image(tf.io.read_file('path/to/im1.png'))
im2 = tf.image.decode_image(tf.io.read_file('path/to/im2.png'))
tf.shape(im1)  # `img1.png` has 3 channels; shape is `(255, 255, 3)`
tf.shape(im2)  # `img2.png` has 3 channels; shape is `(255, 255, 3)`
# Add an outer batch for each image.
im1 = tf.expand_dims(im1, axis=0)
im2 = tf.expand_dims(im2, axis=0)
# Compute SSIM over tf.uint8 Tensors.
ssim1 = tf.image.ssim(im1, im2, max_val=255, filter_size=11,
                      filter_sigma=1.5, k1=0.01, k2=0.03)

# Compute SSIM over tf.float32 Tensors.
im1 = tf.image.convert_image_dtype(im1, tf.float32)
im2 = tf.image.convert_image_dtype(im2, tf.float32)
ssim2 = tf.image.ssim(im1, im2, max_val=1.0, filter_size=11,
                      filter_sigma=1.5, k1=0.01, k2=0.03)
# ssim1 and ssim2 both have type tf.float32 and are almost equal.