评估指标来两个图像之间的相似性。
这八个指标如下：RMSE、PSNR、SSIM、ISSM、FSIM、SRE、SAM 和 UIQ。
图像相似度测量 实施八个评估指标来访问两个图像之间的相似性。
八项指标如下：
1、均方根误差 (RMSE) ；
RMSE是评估图像相似性的最基本指标之一。它计算了两个图像之间的像素值的差异。RMSE值越低，说明两个图像越相似。
2、峰值信噪比 (PSNR) ：
PSNR是一种衡量图像质量的指标，它通过计算原始图像和失真图像之间的均方误差(MSE)，然后将其转换为一个对数尺度来评估图像质量。PSNR的单位是分贝(dB)，值越大表示图像质量越好。PSNR的计算涉及到图像中最大可能的像素值和原始图像与失真图像之间的均方误差。
优缺点:
PSNR是最普遍，最广泛使用的评鉴画质的客观量测法，不过许多实验结果都显示，PSNR的分数无法和人眼看到的视觉品质完全一致，有可能PSNR较高者看起来反而比PSNR较低者差。这是因为人眼的视觉对于误差的敏感度并不是绝对的，其感知结果会受到许多因素的影响而产生变化（例如：人眼对空间频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个区域的感知结果会受到其周围邻近区域的影响）。
代码实现:
3、结构相似性指数（SSIM）：
SSIM是一种衡量两幅图像相似度的指标，由德州大学奥斯丁分校的Zhou Wang和Alan Bovik教授于2004年提出。它通过比较两幅图像的亮度、对比度和结构三个方面的相似性来评估图像的相似度。SSIM的值范围在-1到1之间，值越大表示图像越相似。SSIM的计算涉及到图像的平均值、方差和协方差等统计量，以及一些维持稳定的常数。由于SSIM能够更好地反映人类视觉系统的感知，因此在图像处理和视频质量评估中有广泛应用。
4、模糊度
图像模糊是一种很重要的图像降质因素，在图像获取、传输、处理过程中都有很多因素可能造成图像模糊，比如在获取图像时，不正确的聚焦会产生离焦模糊，景物和照相机的相对运动会造成运动模糊，图像压缩后的高频丢失造成的模糊。模糊降低了图像的清晰度，严重影响图像质量，导致图像分析、处理、接收的困难甚至失败，因此必须要使用有效的模糊评价方法来控制模糊图像的使用， 从而提高系统整体性能。 模糊度和清晰度是描述图像清晰程度（模糊程度）的两个相对但又相互联系的两个概念。图像越清晰，质量越高，清晰度越大，模糊度越小；图像越不清晰（越模糊），质量越低，清晰度越小，模糊度越大。因此描述一幅图像清晰程度时，既可以使用清晰度也可以使用模糊度，只是两个指标数值上成反比；本文采用模图像模糊度评价研究模糊度来描述。
客观评价也可以根据对参考图像的依赖程度分为：全参考图像模糊度评价（Full Reference Image Blur Assessment，FR-IBA）、部分参考图像模糊度评价（Reduced Reference Image Blur Assessment，RR-IBA）、无参考图像模糊度评价（No Reference Image Blur Assessment，NR-IBA）。客观模糊度评价的方法也可以参考客观图像质量评价的方法，但由于只关注模糊度一个指标，在算法设计时更有针对性，应该把重点放在模糊特征参量的提取上。
模糊度评价算法可以分成几个较大的类别，（1）基于像素的技术，包括分析像素灰度值的统计特性以及像素之间的相关性；（2）基于变换域的技术，这利用了在变换域高频成分越多图像越清晰，高频成分越少图像越模糊的原理；（3）基于图像梯度的技术，它利用图像边缘的梯度来衡量图像模糊程度，梯度越大图像越清晰。另外，也有较少的算法是基于直方图。
5、基于特征的相似度指数（FSIM）；
6、基于信息论的统计相似性度量（ISSM）；
7、信号重构误差比 (SRE) ；
8、光谱角映射器 (SAM)；
9、通用图像质量指数 (UIQ) 。
指示以下分步说明将指导您安装此软件包并使用命令行工具运行评估。
