SSIM: cuanto más cerca esté el valor de 1, más similar
será la imagen PSNR: cuanto mayor sea el PSNR, menor será la distorsión, mejor será la calidad de la imagen generada
MES: cuanto menor sea el valor de MSE, más similar será la imagen
Instalación entorno:
pip install scikit-image
from skimage.metrics import structural_similarity as compare_ssim
from skimage.metrics import peak_signal_noise_ratio as compare_psnr
from skimage.metrics import mean_squared_error as compare_mse
import cv2
import os
def getSimi(img1,img2):
print(img1.shape)
print(img2.shape)
# ssim = compare_ssim(img1, img2, multichannel=True)
ssim = compare_ssim(img1, img2, channel_axis=-1)
psnr = compare_psnr(img1, img2)
mse = compare_mse(img1, img2)
return ssim, psnr,mse
img1 = cv2.imread(img_path)
img1 = cv2.resize(img1, (512, 512), interpolation=cv2.INTER_AREA) #resize images
ssim, psnr,mse = getSimi(img1,source_img)
Cabe señalar que el cálculo de estos indicadores de evaluación de similitud requiere que las imágenes tengan la misma forma.