copied from https://gitcode.com/open-source-toolkit/83ef5/overview

图像融合评估指标 - Python实现

本仓库提供了一个使用Python实现的图像融合评估指标集合，涵盖了多种常用的评估方法。这些指标可以帮助研究人员和开发者评估图像融合算法的效果，并进行对比分析。支持单幅图像评估、单个算法的所有融合结果评估，以及所有对比算法的直接计算，并支持结果写入Excel文件。

主要功能

• 信息熵 (EN)：衡量图像的信息量。
• 空间频率 (SF)：评估图像的空间细节丰富程度。
• 标准差 (SD)：衡量图像的灰度变化范围。
• 峰值信噪比 (PSNR)：评估图像质量的常用指标。
• 均方误差 (MSE)：衡量图像失真程度的指标。
• 互信息 (MI)：评估两幅图像之间的信息共享程度。
• 视觉保真度 (VIF)：评估图像的主观视觉质量。
• 平均梯度 (AG)：衡量图像的边缘清晰度。
• 相关系数 (CC)：评估两幅图像之间的线性关系。
• 差异相关和 (SCD)：评估图像融合后的差异性。
• 基于梯度的融合性能 (Qabf)：评估融合图像的梯度信息。
• 结构相似度测量 (SSIM)：评估图像的结构相似性。
• 多尺度结构相似度测量 (MS-SSIM)：在多个尺度上评估图像的结构相似性。
• 基于噪声评估的融合性能 (Nabf)：评估融合图像的噪声水平。

使用方法

1. 运行评估脚本：

   python evaluate.py --image_path path/to/image --output_excel output.xlsx

2. 结果输出： 评估结果将自动写入指定的Excel文件中，方便后续分析和对比。

支持的评估模式

• 单幅图像评估：评估单幅图像的各项指标。
• 单个算法的所有融合结果评估：评估某个算法的所有融合结果。
• 所有对比算法的直接计算：直接计算并对比所有算法的融合结果。

贡献

欢迎贡献代码、提出问题或建议。请通过GitHub的Issue或Pull Request进行交流。

许可证

本项目采用MIT许可证，详情请参阅LICENSE文件。