AOI,在线AOI,离线AOI，高精度AOI

机器视觉（AOI）之图像质量定量评价方式介绍之结构相似度SSIM

发布时间：2021-05-18

机器视觉（AOI）之图像质量定量评价方式介绍之结构相似度SSIM

2021年3月20日18时03分

广东吉洋视觉：SMT AOI,LED AOI,焊线AOI,焊线检测AOI。
SSIM（structural similarity index）是符合人类直觉的图像质量评价标准。从名称上不难发现，这一指标致力于人类的真实感知。
在客观评价标准中，设计了误差函数的可见性。此函数根据某种标准计算参考图像（即未失真的原始图像）和失真图像之间的差值。最后，将计算值作为衡量畸变图像质量的指标。根据人眼的观看习惯，人们往往会先捕捉到整个画面的所有信息，然后再详细观察细节。同时，它们对纹理信息变化剧烈的区域更敏感，而对纹理信息变化缓慢的区域不敏感。SSIM由亮度对比度、对比度和结构对比度组成。
在实际的计算操作中，需要注意的是，SSIM要求两幅图片的大小相同，所以需要先统一图片的大小；从计算公式中可以看出，亮度测量和对比度测量都是基于灰度的，所以需要对图片进行灰度化。在窗口中加入一个窗口来计算局部区域的SSIM指数，这种操作的效果比全局操作（即在局部计算SSIM后求平均值）要好。类似于人眼一次只能聚焦一个点的情况，SSIM的支持者使用滑动窗口计算步长为1的两幅图像的每个对应滑动窗口下的面片SSIM，然后取平均值作为两幅图像的整体SSIM，称为MSSIM（mean）SSIM（例如，采用标准差为1.5的高斯加权函数作为加权窗口，根据窗口中的像素计算每一步，得到由局部SSIM索引组成的SSIM索引映射矩阵。总和计算，使用平均SSIM指数作为最终结果）。
郑重声明：
1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。

上一篇：机器视觉（AOI）之全景视频/图片质量评估方式下一篇：机器视觉（AOI）之图像质量定量评价方式介绍之PSNR