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
生活随笔
收集整理的這篇文章主要介紹了
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
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
ML之SSIM：基于輸入圖片RGB的三維向量利用SSIM(結(jié)構(gòu)相似性度量)算法進行判別
?
目錄
輸出結(jié)果
代碼實現(xiàn)
?
相關(guān)文章
ML之相似度計算：圖像數(shù)據(jù)、字符串數(shù)據(jù)等計算相似度常用的十種方法簡介、代碼實現(xiàn)
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(zhuǎn)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(jié)構(gòu)相似性度量)算法進行判別
?
輸出結(jié)果
?
?
代碼實現(xiàn)
?
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(jié)
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(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： ML之Cosin：基于输入图片RGB均值
- 下一篇： Docker：Docker的简介、安装、