image-compare

Rust 图像库中的图像比较

• 所有功能都使用纯 CPU 和 rayon 多线程实现，看起来在现代处理器上表现良好。似乎既没有内存优化也没有SIMD能提供任何显著改进。

比较灰度图像

按结构

• 按 RMS - 分数通过以下公式计算：$1-\sqrt{\frac{\sum_{x,y=0}^{x,y=w,h}\left(f(x,y)-g(x,y)\right)^2}{w*h}}$
• 按 MSSIM
  • MSSIM 如下实现：维基百科: $\mathrm{SSIM}(x,y)={\frac{(2\mu_{x}\mu_{y}+c_{1})(2\sigma_{xy}+c_{2})}{(\mu_{x}^{2}+\mu_{y}^{2}+c_{1})(\sigma_ {x}^{2}+\sigma_{y}^{2}+c_{2})}}$
  • MSSIM 通过使用 8x8 像素窗口进行 SSIM 并对结果进行平均来计算

按直方图

• 实现了几个距离度量，请参阅 OpenCV 文档
• 相关系数 $d(H_1,H_2) = \frac{\sum_I (H_1(I) - \bar{H_1}) (H_2(I) - \bar{H_2})}{\sqrt{\sum_I(H_1(I) - \bar{H_1})^2 \sum_I(H_2(I) - \bar{H_2})^2}}$
• 卡方 $d(H_1,H_2) = \sum _I \frac{\left(H_1(I)-H_2(I)\right)^2}{H_1(I)}$
• 交集 $d(H_1,H_2) = \sum _I \min (H_1(I), H_2(I))$
• Hellinger 距离 $d(H_1,H_2) = \sqrt{1 - \frac{1}{\sqrt{\int{H_1} \int{H_2}}} \sum_I \sqrt{H_1(I) \cdot H_2(I)}}$

比较 RGB(A)

按结构：RMS，SSIM

• RGB 类型图像被分割成 R，G 和 B 通道并分别处理。
• 最差的颜色结果被传播为分数，但浮点型 RGB 图像提供了对所有值的访问。
• 如 gherkin 测试所示，这个结果目前不值得，因为它需要更多的时间
• 可以通过不仅传播单个颜色得分结果，而是使用每个像素的最差结果来改进。
• 这种方法在混合模式下实现，见下文。

按结构："混合比较"。

• 根据T.871将图像分割到YUV色彩空间。
• 使用MSSIM处理Y通道。
• 通过RMS比较U和V通道。
• 将差异重新组合成一个美观的可视化图像。
• RGB得分计算如下：$\mathrm{score}=\mathrm{avg}_{x,y}\left( \mathrm{min}\left[\Delta \mathrm{MSSIM}(Y,x,y),\sqrt{(\Delta RMS(U,x,y))^2 + (\Delta RMS(V,x,y))^2}\right]\right)$
• RGBA可以通过使用rgba_blended_hybrid_compare与指定的背景颜色预乘。
• 否则，对于rgba_hybrid_compare，也使用MSSIM比较$\alpha$通道，并将其考虑在内。
• 然后使用每个像素的平均$\alpha$，$\bar{\alpha}(x,y) = 1/2 (\alpha_1(x,y) + \alpha_2(x,y))$，作为线性加权因子。
• RGBA得分计算如下：$\mathrm{score}=\mathrm{avg}_{x,y}\left(1/\bar{\alpha} \cdot \mathrm{min}\left[\Delta \mathrm{MSSIM}(Y,x,y),\sqrt{(\Delta RMS(U,x,y))^2 + (\Delta RMS(V,x,y))^2}, \Delta \mathrm{RMS}(\alpha,x,y)\right] \right)$
• RGBA的边缘情况：$\mathrm{score} \in (0, 1)$，且如果$\bar{\alpha} = 0.0$，则$\mathrm{score} = 1.0$。
• 这允许对RGB和RGBA的颜色差异和结构差异进行良好的分离。
• 差异图像的解释
  • RGB：红色包含结构差异，绿色和蓝色包含颜色差异，颜色越多，差异越大。
  • RGBA：与RGB相同，但$\alpha$包含$\alpha$差异的倒数。如果某物非常半透明，$\alpha$差异很大，区分颜色和结构差异将变得困难。此外，最小$\alpha$被限制在0.1，因此您仍然可以看到所有变化。

更新日志：0.4.1

• 支持混合比较大于4096x4096的图像（感谢@nikarh）

0.4.0:

• 支持image-rs系列0.25

0.3.1:

• 从image-rs中移除了额外的依赖项，使这个库更加精简（感谢@ericseppanen）

0.3.0:

• 在0.2.x版本中发现了一个错误，混合RGB比较过度加权了颜色差异。测试中的数字已调整。
  • 对于大多数图像影响很小，但对于颜色过滤的图像影响明显，现在相似度更高。
• 添加了两种RGBA比较方法。
• 添加了GitHub内联latex方程式而不是嵌入图像 - 修复了暗主题渲染问题。
• 使API更直观。