SSIM（结构类似度算法）不一样实现版本的差别

前言

最近用ssim测试图片画质损伤时，发现matlab自带ssim与以前一直使用的ssim计算得分有差别，故和同事开始肯定差别所在。

不一样的SSIM版本

这里提到不一样的ssim版本主要基于matlab。如前言所述，主要分为2个实现。

• 版本1：Zhou Wang实现的版本（也是我以前一直用的版本），具体见：
  滑铁卢大学：https://ece.uwaterloo.ca/~z70wang/research/ssim/
  纽约大学：http://www.cns.nyu.edu/~lcv/ssim/
• 版本2：matlab2015-ssim（matlab从2014开始加入了ssim）
  
  

2个版本的差别

虽然2个版本的代码实现彻底不同，但总的说，差别能够归结为如下几点：

1. downsample

• Zhou Wang实现版本有downsample，他也推荐这么作，缘由以下：

The precisely right scale depends on both the image resolution and the viewing distance and is usually difficult to be obtained. In practice, we suggest to use the following empirical formula to determine the scale for images viewed from a typical distance (say 3~5 times of the image height or width): 1) Let F = max(1, round(N/256)), where N is the number of pixels in image height (or width); 2) Average local F by F pixels and then downsample the image by a factor of F; and 3) apply the ssim_index.m program. For example, for an 512 by 512 image, F = max(1, round(512/256)) = 2, so the image should be averaged within a 2 by 2 window and downsampled by a factor of 2 before applying ssim_index.m.

上面这段意思：人看图片时，与图片有必定距离（至关于图片缩小），一些细节可被忽略，若是进行downsample，除了减低运算复杂度，还能更贴合人的主观观看感觉。

• 涉及downsample的代码部分：

  % automatic downsampling
  f = max(1,round(min(M,N)/256));
  
  %downsampling by f
  %use a simple low-pass filter 
  if(f>1)
      lpf = ones(f,f);
      lpf = lpf/sum(lpf(:));
      img1 = imfilter(img1,lpf,'symmetric','same');
      img2 = imfilter(img2,lpf,'symmetric','same');
      img1 = img1(1:f:end,1:f:end);
      img2 = img2(1:f:end,1:f:end);
  end

• 因为Zhou Wang版ssim对比时，原图与失真图都作了downsample（缩小），其产生的影响是：
  • downsample后的类似度 比 不作downsample的类似度 要高；
  • 损失程度不一样2张失真图，在downsample后进行ssim，2者类似度差距减小；
  downsample是致使 Zhou Wang版本 与 matlab官方版本 计算结果相差较大的主要缘由。 而大学官网上其实也提供了Zhou Wang实现的非downsample版本，只不过名字是: ssim_index.m。

2. 滤波部分

• Zhou Wang版本去掉downsample后，和matlab官方的结果还有约±0.002差距，其缘由主要是滤波部分存在差别。
  • 滤波参数：
    • 输入矩阵（图像）
      • 这个是咱们传入的，不存差别；
    • 滤波掩模

      • Zhou Wang版本
        代码：

        window = fspecial('gaussian', 11, 1.5);
        % 算子类型：gaussian（高斯）
        % 模版尺寸：11*11
        % 标准差：1.5
        % 以上参数皆hardcode

      • matlab版本
        代码：

        filtRadius = ceil(radius*3);
        filtSize = 2*filtRadius + 1;
        if (N < 3)
        gaussFilt = fspecial('gaussian',[filtSize filtSize],radius); % 2D mask
        else 
        ...% 3D mask
        end
        % 算子类型：gaussian（高斯）
        % 模版尺寸：[filtSize filtSize]，使用默认值计算后，为：11*11矩阵；
        % 标准差：radius，默认值为：1.5；
        % 以上参数皆可经过传参改变

    • 滤波模式
      • Zhou Wang版本：
        使用互相关（correlation）
      • matlab版本：
        使用卷积（convolution）
    • 边界填充方式
      • Zhou Wang版本：
        边界经过填充0来扩展，例如：
        
      • matlab版本：
        经过复制外边界的值来扩展，例如：
        
    • 结果矩阵
      • Zhou Wang版本
        只返回滤波时未使用边缘补 0 部分进行计算的结果部分（返回矩阵小于输入矩阵），例如：
        
      • matlab版本
        与输入矩阵大小一致，例如：
        
  因为以上差别，致使了 Zhou Wang版ssim 与 matlab官方ssim 在计算结果上存在轻微差距。

3. 2D与3D图片支持

• matlab官方的ssim，除了支持2D图片，外还支持3D图片；而Zhou Wang版本只支持2D图片。
• 2D图片
  ssim只支持对2D灰度图进行结构类似度计算，rgb图（彩图）需转换为灰度图才能计算（可调用rgb2gray进行转换）。
• 3D图片
  3D图片如今在医疗领域用得较多：
  在matlab2015中，若是直接读入rgb图（不转换为灰度）会被认为是3D图，这个比较坑爹，ssim运行不报错，但结果倒是彻底错的。