nekhtiari/image-similarity-measures

Image Similarity Measures

何がそれか – 2枚の画像の類似度を計算する小さなPythonライブラリ（および対応するCLI）。RMSE、PSNR、SSIM、FSIMなど、リモートセンシングやコンピュータビジョン研究で一般的な8つの古典的な類似度/品質指標を実装しています。

なぜ重要か – 画像処理モデル（例：スーパーレゾリューション、ノイズ除去、衛星画像再構成）をトレーニングまたはテストする際、出力が真値にどれほど近いかを定量的に評価する必要があります。このパッケージは、Pythonコードとコマンドラインの両方からすぐに使える数値を提供します。

入手方法 – pipでインストール（Python ≥ 3.10）:

pip install image-similarity-measures

オプションで、FSIM指標の高速化（pyfftw）やTIFF処理（rasterio）を追加できます:

pip install image-similarity-measures[speedups]
pip install image-similarity-measures[rasterio]

コマンドラインでの使用 – 2つのファイルを比較し、選択した指標のJSONオブジェクトを出力します:

image-similarity-measures \
  --org_img_path=a.tif \
  --pred_img_path=b.tif \
  --metric=rmse --metric=psnr   # 複数の指標を追加するには--metricを繰り返すか、"all"を使用

このツールはチャンネル最後の配列（高さ × 幅 × チャンネル）を想定しています。

Pythonでの使用 – 高レベルの evaluation ヘルパー関数を呼び出すか、個々の指標を直接呼び出します:

from image_similarity_measures.evaluate import evaluation
results = evaluation(
    org_img_path="example/lafayette_org.tif",
    pred_img_path="example/lafayette_pred.tif",
    metrics=["rmse", "psnr"]
)

# または単一の指標
from image_similarity_measures.quality_metrics import rmse
score = rmse(org_img, pred_img)

拡張性 – リポジトリは貢献を歓迎しています（開発者ガイドは README-dev.md を参照）。

引用 – 公開物でコードを使用する場合、2020年のISPRS Annals論文（多スペクトル衛星画像のスーパーレゾリューションに関する）を引用してください。

---

上記のすべての詳細は、プロジェクトのREADMEから直接引用されています。