nekhtiari/image-similarity-measures

:chart_with_upwards_trend: Implementation of eight evaluation metrics to access the similarity between two images. The eight metrics are as follows: RMSE, PSNR, SSIM, ISSM, FSIM, SRE, SAM, and UIQ.

Image Similarity Measures

是什么 – 一个小型 Python 库（及配套 CLI），用于计算两张图像的相似程度。实现了 RMSE、PSNR、SSIM、FSIM 等八种经典相似度/质量指标，这些指标在遥感和计算机视觉研究中非常常见。

为何重要 – 当你训练或测试图像处理模型（如超分辨率、去噪或卫星图像重建）时，需要一种定量方式来判断输出是否接近真实值。此包以即用形式提供这些数值，既可通过 Python 代码调用，也可通过命令行使用。

如何获取 – 使用 pip 安装（Python ≥ 3.10）：

pip install image-similarity-measures

可选地，通过 extras 添加 FSIM 指标加速（pyfftw）或 TIFF 处理支持（rasterio）：

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

命令行使用 – 比较两个文件并输出包含所选指标的 JSON 对象：

image-similarity-measures \
  --org_img_path=a.tif \
  --pred_img_path=b.tif \
  --metric=rmse --metric=psnr   # 重复 --metric 可添加更多指标，或使用 "all"

该工具期望 通道最后 的数组（高度 × 宽度 × 通道）。

Python 使用 – 调用高层 evaluation 辅助函数，或直接调用任意指标：

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"]
)

# 或单个指标
from image_similarity_measures.quality_metrics import rmse
score = rmse(org_img, pred_img)

可扩展性 – 项目欢迎贡献（开发指南请参见 README-dev.md）。

引用 – 若在出版物中使用该代码，请引用作者 2020 年发表于 ISPRS Annals 的关于多光谱卫星图像超分辨率的论文。

以上所有细节均直接取自项目的 README。

nekhtiari/image-similarity-measures

Image Similarity Measures

相关