去雾评价指标，熵，PSNR，SSIM，MSE，

SSIM（结构相似性） 在视频图像加密领域，为判断加密图像、解密图像与原图像的关系，或者验证加密效果，可有通过计算图像PSNR（峰值信噪比）、SSIM的值得到加密算法的量化指标。

6种图像评价原理（UCIQE、UICM、PSNR、SSIM、等效圆偏检测、图像信息熵）

适用于pytorch框架，输入可以是带batch维度的图片数据，也可以是单张图片，但必须都是3通道图片。输出是对应的平均PSNR，SSIM或者单张图片的PSNR，SSIM. 需要安装numpy和skimage

图像融合评价指标matlab源代码

自己选择标准图像，对比验证均值和中值滤波的效果，通过SNR\PSNR\SSIM三个参数以图表形式给出对比结果。

The structural similarity image quality paradigm is based on the assumption that the human visual system is highly adapted for extracting structural information from the scene, and therefore a measure of structural similarity can provide a good approximation to perceived image quality. This paper proposes a multi-scale structural similarity method, which supplies more flexibility than previous single-scale methods in incorporating the variations of viewing conditions. We develop an image synthesis method to calibrate the parameters that define the relative importance of different scales. Experimental comparisons demonstrate the effectiveness of the proposed method.

matlab精度检验代码rmgr :: ssim 这是一个小型且快速的库，其唯一的目的是计算两个图像的（结构相似性）。 与（峰值信噪比）相比，SSIM旨在更紧密地模拟人类感知。 可移植性 该库是用C ++ 98编写的，以使其尽可能具有可移植性，并且不依赖于编译器提供的头文件和库。 它已针对几种不同的编译器（即Visual C ++，GCC和Clang）进行了测试，并且在不同的平台上使用了每种版本的多种版本。 用法 对于常见的用例，您只需要一个函数： rmgr::ssim::compute_ssim() 。 当然，它需要很多参数，但这是要付出灵活性的代价，而它们并没有真正复杂。 compute_ssim()可以选择计算每个像素的SSIM映射（请参见下文），这对性能影响不大，但可以派上用场。 默认行为是不进行分配，仅使用基于堆栈的存储，如果您至少有400 KiB的堆栈空间，这很好。 如果您的堆栈需要处理的内容很多，则可以让该函数在堆外分配缓冲区。 速度 SSIM并非以其速度而出名，每个像素需要1230次算术运算（可以通过利用对称性降低该像素数，但这可以与仅需要2次运算的PSNR进行比较）。

CycleGAN_ssim 该项目是项目的扩展。 实现和训练有素的周期一致剖成对抗性网络（CycleGAN）如在所描述的具有不同的，具体地SSIM损失，损耗L1，L2损失和它们的组合，以产生更好的视觉质量的图像。 图1：CycleGAN工作 对于CycleGAN实现与L1损失是指。 对于官方CycleGAN执行读取。 先决条件 Python 3.3以上 Tensorflow 1.6+ 枕头（PIL） （可选） 用法 训练模型： > python train_cycleGAN_loss.py --data_path monet2photo --input_fname_pattern .jpg --model_dir cycleGAN_model --loss_type l1 data_path：具有trainA和trainB文件夹的目录的路径（具有这些特定名称（trainA，tra

在网上下的ssim，翻译修改后，读取图片应当相差不大，在main函数中运行即可。