1、直方图方法
方法描述:有两幅图像patch(当然也可是整幅图像),分别计算两幅图像的直方图,并
将直方图进行归一化,然后按照某种距离度量的标准进行相似度的测量。
方法的思想:基于简单的向量相似度来对图像相似度进行度量。
优点:直方图能够很好的归一化,比如256个bin条,那么即使是不同分辨率的图像都可
以直接通过其直方图来计算相似度,计算量适中。比较适合描述难以自动分割的图像。
缺点:直方图反应的是图像灰度值得概率分布,并没有图像的空间位置信息在里面,因
此,常常出现误判;从信息论来讲,通过直方图转换,信息丢失量较大,因此单一的通
过直方图进行匹配显得有点力不从心。
2、图像模板匹配
一般而言,源图像与模板图像patch尺寸一样的话,可以直接使用上面介绍的图像相似
度测量的方法;如果源图像与模板图像尺寸不一样,通常需要进行滑动匹配窗口,扫面
个整幅图像获得最好的匹配patch。
在OpenCV中对应的函数为:matchTemplate():函数功能是在输入图像中滑动窗口寻找
各个位置与模板图像patch的相似度。
3、PSNR峰值信噪比
PSNR(Peak Signal to Noise Ratio),一种全参考的图像质量评价指标。
简介:https://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio
PSNR是最普遍和使用最为广泛的一种图像客观评价指标,然而它是基于对应像素点间的
误差,即基于误差敏感的图像质量评价。由于并未考虑到人眼的视觉特性(人眼对空间
频率较低的对比差异敏感度较高,人眼对亮度对比差异的敏感度较色度高,人眼对一个
区域的感知结果会受到其周围邻近区域的影响等),因而经常出现评价结果与人的主观
感觉不一致的情况。
4、SSIM(structural similarity)结构相似性
评论0