SSIM结构相似性图像质量评价算法实现

资 源 简 介

该项目实现了最经典的结构相似性（Structural Similarity, SSIM）图像质量评价算法，旨在提供一种符合人类视觉感知的图像相似度度量方法。SSIM算法跳出了传统均方误差（MSE）仅关注像素差值的局限，从亮度（Luminance）、对比度（Contrast）和结构（Structure）三个维度综合评估图像质量。通过采用滑动高斯窗口在图像上进行局部遍历，计算每个局部区域的均值、标准差以及两幅图像间的协方差，结合稳定常数项，得出反映结构破坏程度的相似性指标。本项目不仅提供了全局平均SSIM值的

详 情 说 明

经典平面图像质量评价SSIM算法实现

项目介绍

本项目实现了经典的结构相似性（Structural Similarity, SSIM）图像质量评价算法。该算法突破了传统均方误差（MSE）和峰值信噪比（PSNR）仅基于像素点误差的评价限制，通过模拟人类视觉系统的特性，从亮度、对比度和结构三个独立维度来全面评估两幅图像的相似程度。本项目旨在提供一个精准、高效且具有物理意义的自动评价模型，其计算结果与人类的主观视觉感知具有极高度的一致性。

功能特性

1. 多维度评价指标：综合考量图像的亮度相似度、对比度相似度以及结构保持程度，而非简单的逐像素差异比较。
2. 局部质量反馈：不仅计算全局平均得分（MSSIM），还能生成逐像素点的局部质量映射图（SSIM Map），直观展示图像受损严重的区域。
3. 视觉加权计算：采用符合人眼视觉中心加权特性的二维高斯窗口进行局部遍历计算，使评价结果更贴近真实心理感知。
4. 分量贡献分析：支持将最终评分拆解为亮度分量（L）与对比度-结构综合分量（CS），便于分析具体哪种失真对图像质量影响最大。
5. 动态数据合成：内置了基于正弦波纹与几何图形的参考图像生成功能，并模拟了实际应用中常见的加性高斯噪声与运动模糊复合失真环境。

实现逻辑与功能细节

本项目的核心算法流程严格遵循 SSIM 的原始理论框架，具体逻辑步骤如下：

1. 参考与失真图像准备 系统通过数学公式生成一幅具有规律纹理（正弦波）和几何特征（方块）的参考图像。随后对该图像引入 0.01 均值的高斯噪声，并配合 3x3 均值滤波器产生模糊效果，构建出待评价的失真图像。

2. 核心参数初始化 针对典型的 8 位灰度图像，设置动态范围 $L=255$。引入稳定性常数因子 $K_1=0.01$ 和 $K_2=0.03$，用于计算 $C_1$ 和 $C_2$，确保在图像局部区域接近平坦（分母趋近于零）时，公式依然保持数值稳定性。

3. 二维高斯滑动窗口构建 创建一个尺寸为 11x11、标准差 $sigma=1.5$ 的二维高斯核。该窗口在图像上滑动，权重从中心向边缘指数级衰减，用于在后续步骤中计算局部统计特征，这模拟了人眼视网膜对局部区域感知的加权特性。

4. 局部统计特征提取 利用相关滤波算法（valid 模式），基于高斯加权计算以下关键统计量：

• 局部均值 ($mu_1, mu_2$)：反映各区域的亮度信息。
• 局部方差 ($sigma_1^2, sigma_2^2$)：通过平方和的均值减去均值的平方获得，反映区域的对比度。
• 局部协方差 ($sigma_{12}$)：反映两幅图像在结构上的相关性。

5. 相似性度量公式合成 应用 SSIM 核心公式，将提取的统计特征合成为质量映射图。计算逻辑分为两个核心部分：

• 亮度比较项：衡量 $mu_1$ 和 $mu_2$ 的接近程度。
• 对比度与结构综合项：衡量 $sigma_1, sigma_2$ 以及相关系数 $sigma_{12}$ 的相似程度。

6. 结果聚合与可视化 通过对生成的局部 SSIM 映射图取算术平均值，得到最终的平均结构相似度（MSSIM）。最后通过彩色映射（Jet Colormap）将质量图可视化，深色区域代表结构破坏严重，亮度越高代表结构保持越完整。

关键技术分析

• 稳定性保障：代码中 $C_1 = (K_1 L)^2$ 和 $C_2 = (K_2 L)^2$ 的计算，极大地增强了算法在处理纯黑色或平滑区域时的鲁棒性。
• 滤波模式选择：使用有效卷积（valid）处理，避免了图像边缘填充带来的伪影对质量评分的干扰，确保计算结果完全基于真实的像素交互。
• 分量拆解：通过独立计算并输出亮度相似度分量和对比度-结构分量，为算法调试和图像失真类型分析提供了数据支持。

使用方法

1. 启动 MATLAB 软件环境。
2. 将包含算法实现的脚本文件放置于当前工作路径。
3. 在命令行窗口直接运行该主函数。
4. 程序将自动弹出可视化窗口，展示原始图、失真图及对应的局部质量评价云图。
5. 终端将输出最终的 MSSIM 分数及各分量的贡献值。

系统要求

• 软件平台：MATLAB 2016b 及以上版本。
• 工具箱需求：Image Processing Toolbox（图像处理工具箱），用于执行高斯滤波、噪声添加及图像可视化等操作。
• 硬件环境：支持基础图形渲染的通用计算机，内存建议 4GB 以上。