通过PSNR和SSIM判断图像相似度，从宫崎骏动漫“起风了”中截取图像数据集，数据集中的图像大小为512*512，共1936张图像，该数据集可用于深度学习风格迁移。

python实现yuv格式视频之间结构相似性（ssim）指标的计算

文章作者写的matlab源代码，该文章发表在DigitalSignalProcessing:Ke-KunHuang,HuiLiu,Chuan-XianRen,Yu-FengYuandZhao-RongLai.Remotesensingimagecompressionbasedonbinarytreeandoptimizedtruncation.DigitalSignalProcessing,vol.64,pp.96-106,2017.(http://dx.doi.org/10.1016/j.dsp.2017.02.008)遥感图像数据非常广泛，因此需要通过空间设备上的低复杂度算法进行压缩。
具有自适应扫描顺序（BTCA）的二叉树编码是一个的有效算法。
然而，对于大规模遥感图像，BTCA需要大量的内存，而且不能随机存取。
在本文中，我们提出了一种基于BTCA的新的编码方法。
小波图像首先划分为几个块，并由BTCA单独编码的。
根据BTCA的属性，仔细选择每个块的有效截断点，以优化速率失真的比例，从而获得更高的压缩比、更低的内存要求和随机访问性能。
由于没有任何熵编码，所提出的方法简单快速，非常适合于空间设备。
对三个遥感图像集进行实验，结果表明它可以显着提高PSNR、SSIM和VIF，以及主观视觉体验。
Theremotesensingimagedataissovastthatitrequirescompressionbylow-complexityalgorithmonspace-borneequipment.Binarytreecodingwithadaptivescanningorder(BTCA)isaneffectivealgorithmforthemission.However,forlarge-scaleremotesensingimages,BTCArequiresalotofmemory,anddoesnotproviderandomaccessproperty.Inthispaper,weproposeanewcodingmethodbasedonBTCAandoptimizetruncation.ThewaveletimageisfirstdividedintoseveralblockswhichareencodedindividuallybyBTCA.AccordingthepropertyofBTCA,weselectthevalidtruncationpointsforeachblockcarefullytooptimizetheratioofrate-distortion,sothatahighercompressionratio,lowermemoryrequirementandrandomaccesspropertyareattained.Withoutanyentropycoding,theproposedmethodissimpleandfast,whichisverysuitableforspace-borneequipment.Experimentsareconductedonthreeremotesensingimagesets,andtheresultsshowthatitcansignificantlyimprovePSNR,SSIMandVIF,aswellassubjectivevisualexperience.

实现对于全部LIVE数据库共982张图片的处置，ssim_index.m文件在论坛上很好找，就不上传了。

图像相似性评估目的SSIM,论文的源法度圭表标准matlab代码

Evalvid是一个对于在其实或者模拟的收集里传输的视频举行品质评估的框架以及货物集。
除了底层收集的QoS参数的丈量，如丢包率，提前，发抖，Evalvid还提供尺度的视频品质评估算法如PSNR以及SSIM。
它视频编码方面反对于H.264，MPEG-4以及H.263。
音频编码方面反对于AAC。

多种常见的图像评价指标峰值信噪比，结构类似性指数，光谱角等PSNR,SSIM,QNR,SAM,ERGAS

c#OpenCvSharp图片类似度比较，四种方法对比，SSIM，PSNR,灰度直方图比较，RGB三通道全彩直方图比较，亲测，效果不错。

Python实现的图像结构类似性度量（StructuralSimilarityImageMetric，SSIM）。

一种衡量图像处理结果的度量方法，比较服从人得视觉感受

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。