图像质量评价SSIM算法MATLAB实现

资 源 简 介

本项目旨在基于MATLAB编程环境，完整复现并封装结构相似性（Structural Similarity, SSIM）算法。该算法是一种全参考图像质量评价指标，旨在衡量两幅图像在亮度、对比度和结构方面的相似程度。项目将详细实现SSIM的核心计算流程，包括：1. 图像预处理与灰度化（针对彩色图像）；2. 利用高斯加权窗函数对图像进行滑动滤波，分别计算参考图像与待测图像局部区域的均值（Luminance）、方差（Contrast）以及两者的协方差（Structure）；3. 根据SSIM定义公式，综合这三个分量生成局部的SSIM索引图（SSIM Map），直观展示图像各部分的失真程度；4. 对局部索引图求均值，得出全局结构相似性指标（MSSIM）。该指标的取值范围为[0, 1]（假设无负相关性），数值越接近1表示两幅图像越相似，当数值为1时表示两幅图像完全一致。该项目能够有效模拟人类视觉系统（HVS）对结构信息高度敏感的特性，克服了传统均方误差（MSE）和峰值信噪比（PSNR）在评价图像主观感知质量时的局限性，广泛应用于图像压缩算法评估、图像去噪效果检验、视频传输质量监控及医学图像处理等领域。

详 情 说 明

基于MATLAB的图像结构相似性(SSIM)算法实现

项目简介

本项目基于MATLAB编程环境，完整复现并封装了结构相似性（Structural Similarity, SSIM）图像质量评价算法。该算法作为一种全参考（Full-Reference）评价指标，旨在模拟人类视觉系统（HVS）对图像结构信息的高度敏感特性，从亮度（Luminance）、对比度（Contrast）和结构（Structure）三个维度衡量待测图像相对于参考图像的失真程度。

与传统的均方误差（MSE）和峰值信噪比（PSNR）不同，本实现不单纯依赖像素误差的统计，而是通过局部窗口统计特性来评估图像感知的质量。

功能特性

• 全流程自动化处理：包含从图像读取、失真模拟、预处理、算法计算到结果可视化的完整链路。
• 鲁棒的图像输入：优先读取经典测试图像，若缺失则自动生成随机噪声图像，确保代码在任何环境下均可运行。
• 复合失真模拟：代码内部集成图像失真生成机制，同时叠加高斯噪声与运动模糊，用于验证算法对复杂失真的评估能力。
• 标准SSIM核心算法：严格遵循SSIM定义的数学模型，采用高斯加权滑动窗口计算局部统计量，包含亮度、对比度和结构项的综合计算。
• 直观的可视化输出：提供1x3的对比视图，包含参考图像、失真图像以及彩色的SSIM局部索引图，并直接显示全局均值（MSSIM）。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（图像处理工具箱，用于图像滤波、噪声添加及色彩转换）

使用方法

1. 将项目代码保存至MATLAB工作路径。
2. 直接运行主程序脚本。
3. 系统将自动执行计算并在控制台输出全局MSSIM值，同时弹出结果分析图表。

实现逻辑详细说明

本项目的主程序逻辑严密遵循以下四个阶段，与实际代码执行流程完全一致：

1. 数据准备与失真模拟

程序首先尝试读取MATLAB内置的经典测试图像（peppers.png）。为了保证程序的健壮性，采用 try-catch 结构，若无法读取文件，则自动生成一幅512x512的随机RGB彩色图像作为参考源。 随后，程序对参考图像进行人为破坏以模拟失真环境。这一过程包含两步：

1. 添加噪声：使用高斯模型向图像添加均值为0、方差为0.01的噪声。
2. 添加模糊：设计一个长度为7、角度为45度的运动模糊算子，对噪声图像进行卷积滤波。

最终得到的图像同时包含了噪声干扰和模糊失真，作为待测图像（Distorted Image）。

2. 图像预处理

由于SSIM算法主要针对图像的亮度信息进行感知评价，程序包含自动的色彩空间转换逻辑。

• 检测输入图像是否为三通道（RGB）彩色图像，若是，则调用函数将其转换为灰度图像。
• 将图像数据类型由整数（uint8）转换为双精度浮点数（double），以确保后续数学计算的精度。

3. 核心算法参数配置

在调用算法前，程序设定了SSIM计算所需的标准参数，完全符合算法原始论文定义：

• 动态范围 (L)：255（适用于8位图像）。
• 稳定常数 (K1, K2)：分别设定为 0.01 和 0.03，用于防止分母为零并调节计算稳定性，进而推导出常数 C1 和 C2。
• 高斯窗口：定义尺寸为 11x11，标准差 (sigma) 为 1.5 的高斯低通滤波器，并对其归一化，用于后续的局部统计量计算。

4. 结果可视化与输出

程序创建一个包含三个子图的窗口进行综合展示：

• 左图：显示原始参考图像及其尺寸。
• 中图：显示经过噪声和模糊处理后的失真图像。
• 右图：展示SSIM局部索引图（SSIM Map）。为了更直观地观察图像各区域的相似度差异，使用 jet 彩色映射表，其中暖色调代表高相似度，冷色调代表严重失真。

同时，控制台会格式化打印出计算得到的全局结构相似度（MSSIM）数值及数据动态范围。

关键算法实现细节

本项目的核心计算模块（calculate_ssim 函数）通过以下数学原理实现：

1. 滑动窗口统计 利用预定义的高斯核对两幅图像进行滑动卷积（滤波）操作，利用MATLAB的 imfilter 函数（采用 'replicate' 边界填充）计算以下局部统计量：

• 局部均值 ($mu$)：反应图像的亮度信息。
• 局部方差 ($sigma^2$)：利用公式 $E[x^2] - (E[x])^2$ 间接计算，反应图像的对比度信息。
• 局部协方差 ($sigma_{12}$)：反应两幅图像之间的结构相似程度。

2. SSIM索引图生成 根据统计量，应用SSIM标准公式计算每一个像素位置的相似度索引： SSIM = [(2 * $mu_1$ * $mu_2$ + C1)(2 * $sigma_{12}$ + C2)] / [($mu_1^2$ + $mu_2^2$ + C1)($sigma_1^2$ + $sigma_2^2$ + C2)] 该步骤生成了一个与原图尺寸一致的二维矩阵（Map），矩阵中每个点的值代表该局部区域的质量保留程度。

3. 全局指标 (MSSIM) 最后，对整幅SSIM索引图求取算术平均值（mean2），得到一个介于0到1之间的标量，作为评价整幅图像质量的最终指标。