ML之SSIM：基于輸入圖片RGB的三維向量利用SSIM(結構相似性度量)算法進行判別

?

目錄

輸出結果

代碼實現

---

?

相關文章
ML之相似度計算：圖像數據、字符串數據等計算相似度常用的十種方法簡介、代碼實現
ML之Hash_EditDistance&Hash_HammingDistance&Hog_HanMing&Cosin&SSIM：基于輸入圖片利用多種算法進行判別
ML之Hash_EditDistance：基于輸入圖片哈希化(均值哈希+差值哈希)即8*8個元素的單向vector利用編輯距離算法進行判別
ML之Hash_HamMingDistance：基于輸入圖片哈希化(均值哈希+差值哈希)即8*8個元素的單向vector利用漢明距離算法進行判別
ML之Hog_HammingDistance：基于Hog特征提取“RGB”圖像的768個值的單向vector利用漢明距離算法進行判別
ML之Cosin：基于輸入圖片RGB均值化轉為單向vector利用Cosin(余弦相似度)算法進行判別
ML之SSIM：基于輸入圖片RGB的三維向量利用SSIM(結構相似性度量)算法進行判別

?

輸出結果

?

?

代碼實現

?

def Ssim(img_path1,img_path2):from skimage.measure import compare_ssimimg2 = np.resize(img2, (img1.shape[0], img1.shape[1], img1.shape[2]))ssim = compare_ssim(img1, img2, multichannel=True)return ssim

?

?

?

?

?

?

?

?

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。