摘要：本文使用 opencv。numpy 等简单的工具库，根据 mse 及 ssim 两种算法来评估两张图像的相似度，便于理解与实践。
介绍
作为人类，我们通常非常善于发现图像中的差异。例如，常见的游戏——两张图像找不同。现在让我们玩下这个游戏吧，首先让我们看看上面的图像，三十秒内看看是否能够从中找出有什么不同的地方。
答案：水果、冰淇淋和饮料的颜色发生了明显改变，窗帘、太阳也发生了改变，这是不是很简单呢？如果有补充的答案，请在留言处给出哦！
这类问题对于人类来说看起来是一件轻而易举的事情，但是，对于计算机来说，这可不是一件容易的事儿。这是由于计算机只能从我们训练它的模型中学习，才最终具有这类能力。目前有很多很好的模型可以对批量图像进行分类，比如 TensorFlow 和 Keras 等开源工具。
借助于这类开源工具库，计算机视觉领域的研究得以高发展。现在我们也可以借助于这类工具箱创建非常复杂的模型以及解决比较复杂的问题，例如 kaggle：Animals-10，该数据集包含数十种不同类型动物的图像以及非动物图像。所要做的就是创建一个模型来预测图片是哪种类型的动物。
MSE 和 SSIM
然而，上述任务较为简单，比如常见的手写体数字识别 MNIST 等，一般也都能取得很高的精度。在这里，我想增加一点难度，创建一个图像分类器，以分辨出两个图像的相似程度。并且，不依赖任何复杂的工具库，如 TensorFlow、Keras 等。本文采用传统的机器学习方法，这里从中选取两种方法，用于查找图像是否与另一个图像相似。这两种方法分别为均方误差（MSE）、结构相似度指数（SSIM）。
上述公式看起来非常复杂，但不要害怕。借助于 NumPy，可以相当容易地计算出 MSE；另外，由于 SSIM 是 Sci-Kit 图像库的内置方法的一部分，因此也可以很容易地计算出 SSIM。
在进行编码之前，这里先对这两种方法予以简单的说明。MSE 将计算正在比较的两个图像的每个像素之间的均方误差。而 SSIM 做的事情与 MSE 恰好相反，寻找像素值的相似之处。也就是，如果两个图像中的像素排列相似或具有相似的像素密度值。MSE 方法遇到的一个的问题是其结果往往具有任意大的值，因此很难给出标准的评判标准。一般而言，MSE 越高，表明两张图像的相似程度越低。如果图像之间的 MSE 值是随机值，则很难说明二者是否相似。另一方面，SSIM 将所有内容归一化到 -1~1 的范围内（很难得到小于 0 的分数）。得分为 1 表示二者非常相似，得分为 - 1 表示二者非常不同。基于此，SSIM 相较于 MSE 而言是一个更好的衡量指标。
实现
现在使用代码实现上述想法：
加载必要的库：
本文使用常见的图像处理工具箱 OpenCV 实现图像的读取和编辑。如果你对其它图像处理工具箱熟悉，你也可以使用自己熟悉的工具箱完成此类操作，比如 matplotlibden。
编写 MSE 公式：
使用 Numpy 操作起来很简单吧！
由于 SSIM 已经通过 skimage 导入，因此无需进行手动编码。现在创建一个比较函数，该函数的输入为两个图像，分别计算二者的 MSE 和 SSIM，并展示计算结果。
下面的三个步骤可以使用 for 循环一次完成，但是为了更容易地理解，这里不使用 for 循环编写代码，将其分解为三个部分：
首先，加载保存在目录中的图像。其次，必须确保它们的大小相同，否则会出现尺寸不匹配的错误。问题是对其进行尺寸变换操作会导致图像失真，所以在找到比较合适的尺寸数字之前，可以尝试快速搜索方法，尺寸大小按照一定的规律设置，不断实验以找到最终比较合适的尺寸。接下来我们再实现一个功能，以便于看到测试图像是什么样子的。
现在通过比较两个一样的图像来测试并查看 MSE 和 SSIM 是否正常工作。如果它有效，那么我们应该得到 MSE 值为 0 和 SSIM 值为 1 的结果。
从中可以看到，代码正确，结果与猜想的一致！
现在计算机就可以判断比较的两张图像是否相同了。为简单起见，我将三张狗的图像与自己以及三张猫的图像进行比较。
下面看看两种算法的性能比较。正如所看到的那样，MSE 的值变化很大，因此该值很难说明其表达的意思是什么。但从 SSIM 的结果看出，可以看到狗 2 和狗 3 相对于其他狗的图像最为相似。从视觉上来讲，我同意这个结果，因为两只狗的耳朵非常像。但我还会认为狗 1 和狗 3 会有更高的 SSIM 值，因为二者的姿势也很相似。实际上，在图像没有进行灰度处理之前，狗 2 和狗 3 在鼻子区域周围有类似的白色毛皮，而狗 1 没有。这很可能是狗 2 和 3 具有比狗 1 更高的 SSIM 值的原因。对于猫来说，这就有点困难。猫 1 和猫 2 具有相似的形状，并且图像是从相似的距离拍摄的，但猫 2 和猫 3 具有相似的皮毛颜色。
这里我想进行的测试只有两个：一个是狗和猫的相似性，第二个是每个动物与原始源代码附带的门图的相似性。
正如所预料的那样，狗和猫是相似的，这点与与无生命的物体相比呈鲜明的对比，如侏罗纪公园入口门。狗和猫对门的图像具有较高的 SSIM 值，唯一原因在于图像都经过了尺寸缩放和灰度处理。
在调整图像大小和重新配置时，OpenCV 并不是最好的。一般而言，TensorFlow 是最好的，TensorFlow 也最适合批量图像。
之后，我也将使用 TensorFlow 处理 kaggle Animal-10 数据集，来实现一个完整的图像分类器。
本文作者：【方向】阅读原文
本文为云栖社区原创内容，未经允许不得转载。