两幅相同大小图像的相似程度的两个评价指标-PSNR和SSIM

本文参考了《OpenCV图像处理编程实例》

图像相似度主要是对两幅图像内容的相似程度进行打分，根据分数的高低来判断图像的内容的相似程度。图像的相似度在目标检测跟踪、图像内容搜索、特征分析领域有着广泛的应用。常见的图像相似度比较指标有：峰值信噪比PSNR与结构相似性SSIM。

1.峰值信噪比PSNR（Peak Signal to Noise Ratio）

PSNR可简单地由均方差MSE进行定义。PSNR基于图像像素灰度值进行统计分析。由于人类视觉特性的差异性，通常出现的评价结果与人的主要感觉不一致，但其仍然是一个有参考价值的评价指标。

2.结构相似性SSIM（tructural similarity index）

SSIM是一种衡量两幅图像相似程度的结构相似性指标，相对PSNR而言，结构相似性在评价图像质量上更能符合人类的视觉特性。结构相似于基于的原理是自然影像是高度结构化的，领域像素具有较强的关联性。SSIM分别从亮度、对比度、结构三方面度量图像的相似。

这两个指标的计算代码如下：

代码中用到的图像的下载链接：http://pan.baidu.com/s/1i43ps0H

//OpenCV版本opencv2.4.13//交流QQ2487872782 2016-8-4注：很报歉，此代码目前不能公开发表在博客上，已经删除，希望大家能理解！  

运行结果如下图所示：

-------------------------------------------
欢迎大家加入图像识别技术交流群：271891601，另外，特别欢迎成都从事图像识别工作的朋友交流，我的QQ号2487872782