作业描述：python写Bicubic方法，跑数据集Set5和Set14，两个数据集都把放到倍数×2，×3，×4，×8跑一遍，最后把图像质量评估指标 PSNR 和 SSIM 保存在表格里面。

实现思路：

实现Bicubic方法，通过循环将数据集Set5 和 Set14 进行放大。
使用opencv 中的 resize()将放大后的图像进行缩放，缩放到与源图像大小一致
使用 PSNR 和 SSIM 对原图像和放大的图像进行图像质量评估
利用list将结果保存到excel表中

1. Bicubic（双三次插值）对图像进行缩放

双三次插值法数学原理参照这里：算法原理链接

代码为总结前人的代码进行改进：

from PIL import Image
import numpy as np
import math
import os
"""
作业：用python写Bicubic方法保存PSNR和SSIM，跑数据集Set5和Set14，两个数据集都把放到倍数×2，×3，×4，×8跑一遍，最后把PSNR和SSIM保存在表格里面。这个作业完成时间6.26 晚上12:00前。
Bicubic是双三插值法
"""
# 产生16个像素点不同的权重
def BiBubic(x):# 根据参考的公式 S(x) ，将其转换成代码样式x = abs(x)if x <= 1:return 1-2*(x**2)+(x**3)elif x < 2:return 4-8*x+5*(x**2)-(x**3)else:return 0# 双三次插值算法
# dstH为目标图像的高，dstW为目标图像的宽
def BiCubic_interpolation(img, dstH, dstW):scrH, scrW, _= img.shaperetimg = np.zeros((dstH, dstW, 3), dtype=np.uint8)for i in range(dstH):for j in range(dstW):scrx = i*(scrH/dstH)scry = j*(scrW/dstW)x = math.floor(scrx)    # floor向下取整y = math.floor(scry)u = scrx-xv = scry-ytmp = 0for ii in range(-1, 2):for jj in range(-1, 2):if x+ii < 0 or y+jj < 0 or x+ii >= scrH or y+jj >= scrW:continuetmp += img[x+ii, y+jj] * BiBubic(ii-u) * BiBubic(jj-v)retimg[i, j] = np.clip(tmp, 0, 255)return retimgif __name__ == '__main__':times = [2, 3, 4, 8]""" 此处可以封装成函数，鉴于自己使用，就偷懒了Set5"""im_path = r"./input/Set5/"out_path = r'./output/Set5/'  #事先建立好文件夹files = os.listdir(im_path)for i in times:for spl_file in files:file_name = spl_file.strip('./input/Set5,.')print('bicl:', file_name)image = np.array((Image.open(im_path + spl_file)))image3 = BiCubic_interpolation(image, image.shape[0] * i, image.shape[1] * i)    # i 为放大倍数# 因为图片在imread过程中，cv2读取的结果图片形式为BRG 需要转化RGBimage3 = Image.fromarray(image3.astype('uint8')).convert('RGB')image3.save(out_path + file_name + '_' + str(i) + '.png')""" Set14"""im_path = r"./input/Set14/"out_path = r'./output/Set14/'  #事先建立好文件夹files = os.listdir(im_path)for i in times:for spl_file in files:file_name = spl_file.strip('./input/Set14,.')print('bicl:', file_name)image = np.array((Image.open(im_path + spl_file)))image4 = BiCubic_interpolation(image, image.shape[0] * i, image.shape[1] * i)    # i为放大倍数# 因为图片在imread过程中，cv2读取的结果图片形式为BRG 需要转化RGBimage4 = Image.fromarray(image4.astype('uint8')).convert('RGB')image4.save(out_path + file_name + '_' + str(i) + '.png')

使用时，注意路径和输出的图片格式。

2. 使用cv2 中的 resize() 将放大的图片进行缩放

为什么要做这一步？

因为在使用PSNR进行评估时所传入的image1和image2需要保持大小一致，不然会报错。

代码中，size_2,size_1为原图像的尺寸，使用时需要更改路径。

如果电脑未安装cv2，在cmd中执行以下语句即可安装（等待时间有点儿长）：

pip --default-timeout=500 install -U opencv-contrib-python

import cv2
import osif __name__ == '__main__':#path = './input/Set14/'#tar_path = './output/Set14/'path = './input/Set5/'tar_path = './output/Set5/'folders = os.listdir(path)print(folders)nums = [2, 3, 4, 8]for folder in folders:folder_path = os.path.join(path, folder)# print(folder_path)img = cv2.imread(folder_path)size_1 = img.shape[0]size_2 = img.shape[1]for i in nums:out_img = folder + '_' + str(i) + '.png'folder_tar_path = os.path.join(tar_path, out_img)print(i)print(folder_tar_path)tar_img = cv2.imread(folder_tar_path)resize = cv2.resize(tar_img, (size_2, size_1), interpolation=cv2.INTER_CUBIC)  # 定尺寸的缩放print(resize.shape)# cv2.imwrite(r'./SetOfScale/Set14/'+ out_img, resize)cv2.imwrite(r'./SetOfScale/Set5/' + out_img, resize)

缩放完成后，我们就得到了经过双三次插值法放大的图片与原图片一样大小的图片。
接下来就对图片进行比对，得出PSNR和SSIM的值。

3. 图像质量评估指标：PSNR和SSIM

图像质量评估 PSNR 和 SSIM 原理参照此文章

代码实现主要使用了 skimage库，代码实现参考了这篇文章

实现中参杂着将数据保存到excel中的代码，使用的是 xlwt库

import xlwt     # excel表
import numpy as np
import skimage.io as io
from skimage.metrics import peak_signal_noise_ratio # PSNR
from skimage.metrics import structural_similarity   # SSIM
from skimage.color import rgb2ycbcr                 # RGB三通道使用
import os# 单通道    img.dtype 为 uint8 范围0-255
def Dan_PSNR_and_SSIM(path, tar_path):folders = os.listdir(path)nums = [2, 3, 4, 8]results = []print(folders)for folder in folders:folder_path = os.path.join(path, folder)img = io.imread(folder_path)[..., 0]for i in nums:out_img = folder + '_' + str(i) + '.png'folder_tar_path = os.path.join(tar_path, out_img)tar_img = io.imread(folder_tar_path)[..., 0]psnr_val = peak_signal_noise_ratio(img, tar_img)ssim_val = structural_similarity(img, tar_img)re = [folder, out_img, psnr_val, ssim_val]results.append(re)return results# RGB 三通道  img.dtype 为 float64 需要归一化到 0-1.0
def RGB_PSNR_and_SSIM(path, tar_path):folders = os.listdir(path)nums = [2, 3, 4, 8]results = []print(folders)# rgb2ycbcr的输入需要归一化到0-1.0的float# 这个在上一篇blog中讲过了rgb2ycbcr输出为浮点型且范围是0-255.0 所以需要再次归一化0-1for folder in folders:folder_path = os.path.join(path, folder)img = io.imread(folder_path)img = img/255.0img = rgb2ycbcr(img)[:, :, 0:1]img = img/255.0for i in nums:out_img = folder + '_' + str(i) + '.png'folder_tar_path = os.path.join(tar_path, out_img)tar_img = io.imread(folder_tar_path)tar_img = tar_img / 255.0tar_img = rgb2ycbcr(tar_img)[:, :, 0:1]tar_img = tar_img / 255.0psnr_val = peak_signal_noise_ratio(img, tar_img)ssim_val = structural_similarity(img, tar_img,win_size=11,gaussian_weights=True,multichannel=True,data_range=1.0,K1=0.01,K2=0.03,sigma=1.5)re = [folder, out_img, psnr_val, ssim_val]results.append(re)return results

4. 将运行后生成的psnr和ssim的值进行保存，生成excel表

main方法，接上面代码。


def save_excel(col, set5_dan, set5_RGB, set14_dan, set14_RGB):# 创建excel表格book = xlwt.Workbook(encoding='utf-8', style_compression=0)# 奖励一张sheet表单sheet1 = book.add_sheet('Set5_单通道', cell_overwrite_ok=True)sheet2 = book.add_sheet('Set5_RGB三通道', cell_overwrite_ok=True)sheet3 = book.add_sheet('Set14_单通道', cell_overwrite_ok=True)sheet4 = book.add_sheet('Set14_RGB三通道', cell_overwrite_ok=True)# 将列属性元组col写进 sheet表单中for i in range(len(col)):sheet1.write(0, i, col[i])  # 参数：行、列、col元组值sheet2.write(0, i, col[i])  sheet3.write(0, i, col[i]) sheet4.write(0, i, col[i])  # 写数据# sheet1for i in range(len(set5_dan)):data = set5_dan[i]for j in range(len(set5_dan[0])):sheet1.write(i + 1, j, data[j])# sheet2for i in range(len(set5_RGB)):data = set5_RGB[i]for j in range(len(set5_RGB[0])):sheet2.write(i + 1, j, data[j])# sheet3for i in range(len(set14_dan)):data = set14_dan[i]for j in range(len(set14_dan[0])):sheet3.write(i + 1, j, data[j])# sheet4for i in range(len(set14_RGB)):data = set14_RGB[i]for j in range(len(set14_RGB[0])):sheet4.write(i + 1, j, data[j])# 保存savepath = './excel表格.xls'book.save(savepath)if __name__ == '__main__':""" 循环遍历出 每个缩放后的图片的 与原图片的 PSNR 和 SSIM 值，并保存到excel中"""path = './input/Set5/'tar_path = './SetOfScale/Set5/'# 单通道Set5_dan = Dan_PSNR_and_SSIM(path,tar_path)print("Set5_dan\n",Set5_dan)Set14_dan = Dan_PSNR_and_SSIM('./input/Set14', './SetOfScale/Set14/')print("Set14_dan\n",Set14_dan)# RGB三通道Set5_RGB= RGB_PSNR_and_SSIM(path,tar_path)print("Set5_RGB\n",Set5_RGB)Set14_RGB = RGB_PSNR_and_SSIM('./input/Set14', './SetOfScale/Set14/')print("Set14_RGB\n",Set14_RGB)# 自定义列名col = ('原图片', '放大图片', 'PSNR值', 'SSIM值')save_excel(col, Set5_dan, Set5_RGB, Set14_dan, Set14_RGB)

生成的excel表格如图：

set14数据集中，baboon.png 原图

双三次插值法放大2倍图像：

双三次插值法放大 3倍图像：

通过对比，可以明显的看出，放大倍数越大，照片表面的像素颗粒越明显，看着就像生活中的刺绣一样。

本次的作业中，对于Bicubic方法的原理，以及使用的PSNR和SSIM评估方法公式的理解不够，下来再继续努力 --20220626

python写Bicubic方法，跑数据集Set5和Set14，保存PSNR和SSIM的值相关推荐

python写文字方法_Transcrypt: 用Python写js的方法
Transcrypt是一个很有意思的工具: 它让你告别手写繁复的JavaScript代码,使用相对简明清晰的Python代替这一工作. 之后使用这个工具,可以把Python编写的代码转换成JavaSc ...
【caffe-Windows】基于Python多标签方法——VOC2012数据集
前言按照上一篇博客所遗留的话题:多标签分类,进行初步探索,此篇博客针对caffe官网的多分类进行配置,只不过是Python接口的,不过官网在开头说明可以使用HDF5或者LMDB进行操作,只不过Pyt ...
python写文字方法_初学Python-简单的在图片上加文字
场景在用户运营中,拉新是第一步.我们产品打算先再小范围试验一下效果,不动用开发哥哥,自己制作邀请海报. 没错,就是最简单的,邀请领奖励活动. UI妹妹把海报模版做出来,邀请码根据用户ID自行填上. ...
python写配置文件方法_Python读写配置文件的方法
本文实例讲述了Python读写配置文件的方法.分享给大家供大家参考.具体分析如下: python 读写配置文件ConfigParser模块是python自带的读取配置文件的模块.通过他可以方便的读取配 ...
python写txt方法_怎么实现python写入txt文件方法
一.读写txt文件 1.打开txt文件1file_handle=open('1.txt',mode='w') 上述函数参数有(1.文件名,mode模式) mode模式有以下几种:1 2 3 4#w 只 ...
Python 实现图片质量比较之PSNR和SSIM
图片质量评价 Python 实现图片质量比较之PSNR和SSIM PSNR skimge 实现完示例代码 TensorFlow 实现 SSIM 代码实现 Python 实现图片质量比较之PSNR和S ...
怎么用python写数据库_Python实现数据库编程方法详解
本文实例讲述了Python实现数据库编程方法.分享给大家供大家参考.具体分析如下: 用PYTHON语言进行数据库编程, 至少有六种方法可供采用. 我在实际项目中采用,不但功能强大,而且方便快捷.以下是 ...
python编程在哪里写程序-教你如何编写、保存与运行Python程序的方法
第一步接下来我们将看见如何在 Python 中运行一个传统的"Hello World"程序.Python教程本章将会教你如何编写.保存与运行 Python 程序. 通过 Pyth ...
Dataset之Handwritten Digits：Handwritten Digits(手写数字图片识别)数据集简介、安装、使用方法之详细攻略
Dataset之Handwritten Digits:Handwritten Digits(手写数字图片识别)数据集简介.安装.使用方法之详细攻略目录 Handwritten Digits数据集的简 ...
python的for语句写新的字符串_python写for循环python字符串排序方法
一般情况下,python中对一个字符串排序相当麻烦: 一.python中的字符串类型是不允许直接改变元素的.必须先把要排序的字符串放在容器里,如list. 二.python中的list容器的sort( ...

python写Bicubic方法，跑数据集Set5和Set14，保存PSNR和SSIM的值

目录

1. Bicubic（双三次插值）对图像进行缩放

2. 使用cv2 中的 resize() 将放大的图片进行缩放

3. 图像质量评估指标：PSNR和SSIM

4. 将运行后生成的psnr和ssim的值进行保存，生成excel表

python写Bicubic方法，跑数据集Set5和Set14，保存PSNR和SSIM的值相关推荐

最新文章

热门文章