图像质量损失函数SSIM Loss的原理详解和代码具体实现

本文转自微信公众号SIGAI 文章PDF见： http://www.tensorinfinity.com/paper_164.html

http://www.360doc.com/content/19/0529/16/32196507_839007329.shtml

图像质量损失函数SSIM Loss的原理详解和代码具体实现

首先，本文解读一篇2004年的文献：Image Quality Assessment: From Error Visibility to Structural Similarity 。该文献提出了一种衡量重建图像和原图的相似性的metric：Structural Similarity (SSIM)，这个 metric 被广泛采纳，至今已经有两万多引用量了。然后，本文将提炼论文内容，结合 skimage 下的代码讲解 SSIM metric 的具体实现，并给出 SSIM Loss在pytorch下的代码链接。

作者：SIGAI人工智能平台出处：SIGAI人工智能平台公众号：SIGAI

背景

在图像重建、压缩领域，有很多算法可以计算输出图像与原图的差距，其中最常用的一种是 Mean Square Error loss（MSE）。它的计算公式很简单：

就是 element-wise 地计算重建图像与输入图像的像素差的平方，然后在全图上求平均。

但作者认为，传统基于 MSE 的损失不足以表达人的视觉系统对图片的直观感受。例如有时候两张图片只是亮度不同，但是之间的 MSE loss 相差很大。而一幅很模糊与另一幅很清晰的图，它们的 MSE loss 可能反而相差很小。下面举个小例子：

import cv2import numpy as npimport matplotlib.pyplot as plt
origin = cv2.imread('c.png', 0)dark = (origin*0.9).astype('uint8')blur = cv2.GaussianBlur(origin, (5,5), 0)
mse_dark = np.mean((origin-dark)**2)mse_blur = np.mean((origin-blur)**2)
fig, axes = plt.subplots(1, 3)axes[0].imshow(origin, 'gray')axes[0].title.set_text('origin')axes[0].axis('off')
axes[1].imshow(dark, 'gray')axes[1].title.set_text('0.9 dark mse: {:.2f}'.format(mse_dark))axes[1].axis('off')
axes[2].imshow(blur, 'gray')axes[2].title.set_text('blur mse: {:.2f}'.format(mse_blur))axes[2].axis('off')
plt.show()
print('MSE dark : {}'.format(mse_dark))print('MSE blur : {}'.format(mse_blur))

从图中可以看出 MSE 反映的距离和我们人类的直观感受有很大区别

上图左侧为原图，中间为把灰度值调整为原来 0.9 的图，右侧为高斯模糊后的图。我们人眼明显感觉到中间的图比右边的图清晰，然而 MSE 距离显示，右侧的图与原图的距离远小于中间的图与原图的距离，即右侧的图质量比中间的高。

作者结合神经科学的研究，认为我们人类衡量两幅图的距离时，更偏重于两图的结构相似性，而不是逐像素计算两图的差异。因此作者提出了基于 structural similarity 的度量，声称其比 MSE 更能反映人类视觉系统对两幅图相似性的判断。

那么作者是怎么做的呢？

图像的 Structural Similarity

作者把两幅图 x, y 的相似性按三个维度进行比较：亮度（luminance）l(x,y)，对比度（contrast）c(x,y)，和结构（structure）s(x,y)。最终 x 和 y 的相似度为这三者的函数：

作者设计了三个公式定量计算这三者的相似性，公式的设计遵循三个原则：

对称性：
有界性：
极限值唯一：当且仅当 x = y

首先研究亮度。如果一幅图有 N 个像素点，每个像素点的像素值为，那么该图像的平均亮度为：

作者用如下公式衡量两幅图 x 和 y 的亮度相似度：

这里是为了防止分母为零的情况，且：

其中是一个常数，具体代码中的取值为 0.01，L 是灰度的动态范围，由图像的数据类型决定，如果数据为 uint8 型，则 L=255。可以看出，公式 (4) 对称且始终小于等于1，当 x = y 时为1。

接下来研究对比度。所谓对比度，就是图像明暗的变化剧烈程度，也就是像素值的标准差。其计算公式为：

对比度的相似度公式和公式 (4) 极为相似，只不过把均值换成了方差，作者定义：

其中：

一般在代码中取 0.03。公式 (7) 也对称且小于等于1，当 x = y 时等号成立。

最后研究结构相似度。需要注意的是，对一幅图而言，其亮度和对比度都是标量，而其结构显然无法用一个标量表示，而是应该用该图所有像素组成的向量来表示。同时，研究结构相似度时，应该排除亮度和对比度的影响，即排除均值和标准差的影响。归根结底，作者研究的是归一化的两个向量：和之间的关系。根据均值与标准差的关系，可知这两个向量的模长均为。因此它们的余弦相似度为：

上式中第二行括号内的部分为协方差公式：

同样为了防止分母为0，分子分母同时加：

结合 (4) (7) (11)，作者定义两图的相似度公式为:

令，的分子和的分母可以约分，最终得到 SSIM 的公式：

因此，可以结合公式 (3) (6) (10) (13) 计算两个向量 x，y 的 structural similarity，。

Mean Structural Similarity

然而，上面的 SSIM 不能用于一整幅图。因为在整幅图的跨度上，均值和方差往往变化剧烈；同时，图像上不同区块的失真程度也有可能不同，不能一概而论；此外类比人眼睛每次只能聚焦于一处的特点。作者采用 sliding window 以步长为 1 计算两幅图各个对应 sliding window 下的 patch 的 SSIM，然后取平均值作为两幅图整体的 SSIM，称为 Mean SSIM。简写为 MSSIM（注意和后续出现的 multi-scale SSIM：MS-SSIM 作区分）。

代码中，计算每个 patch 的均值和方差时，作者采用了方差为 1.5 的高斯卷积核作加权平均，滑窗大小为 11*11 。

如果像素对应的高斯核权重为。那么加权均值，方差，协方差的公式为：

假如整幅图有 M 个 patch，那么 MSSIM 公式为：

在具体研究代码之前，我们先调用一下 skimage.measure 下的 compare_ssim 看看 MSSIM 的效果是不是比 MSE 好。同样以开头的两图为例：

import cv2import numpy as npimport matplotlib.pyplot as pltfrom skimage.measure import compare_ssim
origin = cv2.imread('c.png', 0)dark = (origin*0.9).astype('uint8')blur = cv2.GaussianBlur(origin, (5,5), 0)
# mse_dark = np.mean((origin-dark)**2)# mse_blur = np.mean((origin-blur)**2)ssim_dark = compare_ssim(origin, dark)ssim_blur = compare_ssim(origin, blur)
fig, axes = plt.subplots(1, 3)axes[0].imshow(origin, 'gray')axes[0].title.set_text('origin')axes[0].axis('off')
axes[1].imshow(dark, 'gray')axes[1].title.set_text('0.9 dark ssim: {:.2f}'.format(ssim_dark))axes[1].axis('off')
axes[2].imshow(blur, 'gray')axes[2].title.set_text('blur ssim: {:.2f}'.format(ssim_blur))axes[2].axis('off')
plt.show()
print('SSIM dark : {}'.format(ssim_dark))print('SSIM blur : {}'.format(ssim_blur))

运行结果如下图所示：

中间单纯调节亮度的图片和原图的相似性大于高斯模糊后的图，符合人类的感受

我们发现单纯调节亮度后，中间的图和原图的相似度仍然是 0.99 ，而高斯模糊后的图，和原图的相似性只有 0.85，果然 MSSIM 比 MSE 效果要好。

skimage 代码实现

详细代码请直接看 skimage 的源码，这里限于篇幅只复制粘贴本人认为重要的部分。此外由于 pytorch 自带的自动求导机制，我们不必手推求导公式，本文将忽略 skimage 代码中 MSSIM 对输入图像求梯度的部分。感兴趣的可以参考 skimage 给出的文献[2]：Avanaki, A. N. (2009). Exact global histogram specification optimized for structural similarity.

import numpy as npfrom scipy.ndimage import uniform_filter, gaussian_filter
from skimage.util.dtype import dtype_rangefrom skimage.util.arraypad import cropdef compare_ssim(X, Y, win_size=None,                 dynamic_range=None,                 gaussian_weights=False, full=False, **kwargs):
    # 下面三个参数都是原始论文中给定的    K1 = 0.01    K2 = 0.03    sigma = 1.5
    # 计算方差和协方差时，采用无偏估计（除以 N-1）    # 数学上虽然好看，但其实影响不大    use_sample_covariance = True
    if win_size is None:        # 两种计算均值的方式，第一种是计算高斯加权后的均值和方差、协方差        # 第二种是直接计算这三个统计量        # 两种方式对应的滑窗尺寸不同        if gaussian_weights:            win_size = 11  # 11 to match Wang et. al. 2004        else:            win_size = 7   # backwards compatibility
    if not (win_size % 2 == 1):        # 滑窗边长必须是奇数，保证有中心像素        raise ValueError('Window size must be odd.')
    if dynamic_range is None:        # 根据图像数据类型确定动态范围        # 如果是 uint8 型则为 0 到 255        # 如果是 float 型则为 -1 到 1        dmin, dmax = dtype_range[X.dtype.type]        dynamic_range = dmax - dmin
    # 灰度图像为 2，彩色图像为3，    # 但计算彩色图像的 MSSIM 时，其实是把它分解为各个通道的灰度图像分别计算，然后再求平均    ndim = X.ndim
    # 确定到底采用哪种类型的滑窗    if gaussian_weights:        # sigma = 1.5 to approximately match filter in Wang et. al. 2004        # this ends up giving a 13-tap rather than 11-tap Gaussian        filter_func = gaussian_filter        filter_args = {'sigma': sigma}
    else:        filter_func = uniform_filter        filter_args = {'size': win_size}
    # ndimage filters need floating point data    # 把 uint8 型数据转为 float 型    X = X.astype(np.float64)    Y = Y.astype(np.float64)        # 滑窗所覆盖的像素点的个数    NP = win_size ** ndim
    # filter has already normalized by NP    if use_sample_covariance:        # filter 函数求的是在 NP 个点上的平均        # 现在想要无偏估计，则需要乘以 NP 再重新除以 NP-1        cov_norm = NP / (NP - 1)  # sample covariance    else:        cov_norm = 1.0  # population covariance to match Wang et. al. 2004
    # compute (weighted) means    # 计算两幅图的平均图，ux，uy 的每个像素代表以它为中心的滑窗下所有像素的均值(加权) E(X), E(Y)    ux = filter_func(X, **filter_args)    uy = filter_func(Y, **filter_args)
    # compute (weighted) variances and covariances    # 计算 E(X^2), E(Y^2)    uxx = filter_func(X * X, **filter_args)    uyy = filter_func(Y * Y, **filter_args)    # 计算 E(XY)    uxy = filter_func(X * Y, **filter_args)    # sigma_x^2 = E(x^2)-E(x)^2，下文会给出推导    vx = cov_norm * (uxx - ux * ux)    # sigma_y^2 = E(y^2)-E(y)^2    vy = cov_norm * (uyy - uy * uy)    # cov(x,y) = E(xy)-E(x)E(y)，下文会给出推导    vxy = cov_norm * (uxy - ux * uy)
    R = dynamic_range    # paper 中的公式    C1 = (K1 * R) ** 2    C2 = (K2 * R) ** 2        # paper 中的公式    A1, A2, B1, B2 = ((2 * ux * uy + C1,                       2 * vxy + C2,                       ux ** 2 + uy ** 2 + C1,                       vx + vy + C2))    D = B1 * B2    S = (A1 * A2) / D
    # to avoid edge effects will ignore filter radius strip around edges    # 截去边缘部分，因为卷积得到的边缘部分的均值并不准确，是靠扩充边缘像素的方式得到的。    pad = (win_size - 1) // 2
    # compute (weighted) mean of ssim    # 计算 SSIM 的均值    mssim = crop(S, pad).mean()
    if full:        return mssim, S    else:        return mssim

skimage 的源码十分简洁明了，唯一需要知道的数学公式大概是：

非加权平均包含在加权平均的情况之下，因此这里只推导加权的情况，若为权重，根据 (15)：

想求图像的方差，只需做两次卷积，一次是对原图卷积，一次是对原图的平方卷积，然后用后者减去前者的平方即可。

根据 (16)：

求两图的协方差，只需做三次卷积，第一次是对两图的乘积卷积，第二次和第三次分别对两图本身卷积，然后用第一次的卷积结果减去第二、三次卷积结果的乘积。

Pytorch 实现

下面的链接是计算 SSIM 的 pytorch 代码：https://github.com/Po-Hsun-Su/pytorch-ssim/blob/master/pytorch_ssim/__init__.py如果看懂了 skimage 的代码，相信你肯定也能理解这个代码。该代码只实现了高斯加权平均，没有实现普通平均，但后者也很少用到。

对比 SSIM 损失与 MSE 损失，SSIM 收敛更快，而且初期就能捕捉到图片的结构信息，随着迭代次数的增加，随机噪声很快消失了。而 MSE 只是单纯独立地优化每个像素点，导致即使到后期，画面上仍然出现很多噪点。

本人也fork了一份：

https://github.com/jacke121/pytorch-ssim

图像质量损失函数SSIM Loss的原理详解和代码具体实现相关推荐

TOPSIS(逼近理想解)算法原理详解与代码实现
写在前面: 个人理解:针对存在多项指标,多个方案的方案评价分析方法,也就是根据已存在的一份数据,判断数据中各个方案的优劣.中心思想是首先确定各项指标的最优理想值(正理想值)和最劣理想值(负理想解),所 ...
冒泡排序原理详解及代码实现
1.冒泡排序数组排序常用的一种方式,为什么要叫冒泡排序呢?这还要从它的原理说起. 2.代码实现(低效版) 3.原理详解:冒泡排序最基本的思想就是从左到右依次判断相邻的两个数的大小关系,如果前面的数大于 ...
Huffman 编码原理详解（代码示例）
1.概述 huffman编码是一种可变长编码( VLC:variable length coding))方式,于1952年由huffman提出.依据字符在需要编码文件中出现的概率提供对字符的唯一编码 ...
干货 | OpenCV中KLT光流跟踪原理详解与代码演示
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自:opencv学堂稀疏光流跟踪(KLT)详解在视频移动 ...
C++安全方向openssl（三）：3.2 md5算法原理详解以及代码实现
如下图: 由上可知,任意大小的数据经过md5算法是都是4个字节. 涉及到新的安全相关的内容,不再用md5了.通过md5算法的分析我们应该知道我们通过什么方式实现不可逆,又是通过什么方式实现修改一处内容 ...
CV领域Transformer这一篇就够了（原理详解+pytorch代码复现）
文章目录前言一.注意力机制 1.1注意力机制通俗理解 1.2注意力机制计算公式 1.3注意力机制计算过程 1.4注意力机制代码二.自注意力机制 2.1 注意力机制和自注意力机制的区别 2.2 编 ...
红黑树原理详解及代码实现
文章目录 1. 红黑树概念 2. 节点定义 3. 旋转操作 4. 插入操作 5. 删除操作 6. 完整代码 1. 红黑树概念下图就是一棵红黑树: 为了后续操作中不出现空指针异常,可以加入一个额外的哨 ...
AI 以 5:0 比分击败美顶级飞行员；经典对抗攻击 Deepfool 原理详解
开发者社区技术周刊又和大家见面了,快来看看这周有哪些值得我们开发者关注的重要新闻吧. 2019 年全球公共云服务市场总额达 2334 亿美元新里程碑!IBM 宣布最高量子体积 64 马斯克将通过实时 ...
Transformer 初识：模型结构+attention原理详解
Transformer 初识:模型结构+原理详解参考资源前言 1.整体结构 1.1 输入: 1.2 Encoder 和 Decoder的结构 1.3 Layer normalization Bat ...

图像质量损失函数SSIM Loss的原理详解和代码具体实现

图像质量损失函数SSIM Loss的原理详解和代码具体实现

图像质量损失函数SSIM Loss的原理详解和代码具体实现相关推荐

最新文章

热门文章