批量测试图像的LPIPS、SSIM、PSNR指标，并生成CSV文件结果_python lpips 评价指标批量评价

目录

背景：

代码：

结果

背景：

由于论文需要，我将测试代码进行了修改，融入了LPIPS等指标，关于LPIPS介绍，可以查看博客：

LPIPS图像相似性度量标准：The Unreasonable Effectiveness of Deep Features as a Perceptual Metric_Alocus的博客-CSDN博客_lpips度量

代码：

代码中有两大部分需要进行修改，我在代码中进行了标注。

需要安装一些包，如pip install lpips

有疑问欢迎联系交流。

# -*- coding:utf-8 _*-
import argparse
import os
import cv2
import pandas as pd
import lpips
import torch
import torchvision.transforms as transforms
from skimage.metrics import peak_signal_noise_ratio
from skimage.metrics import structural_similarity
 
"""
author&wechat:Alocus
QQ:1913434222
data:2022.02.27
"""
#########################需要修改的部分（1）#######################
#abs_path = r'C:\Users\Administrator\Desktop\test\metric'         #绝对路径，存放csv文件位置
abs_path = os.getcwd()
test_set_name = r'Result'                                         #用于生成csv结果文件名字
 
#result_dir = r'C:\Users\Administrator\Desktop\test\metric\haze'  #存放结果的文件夹路径及名字
result_dir = os.path.join(abs_path,'EPDN_result' )
#GT_dir = r'C:\Users\Administrator\Desktop\test\metric\GT'        #存放GT的文件夹路径及名字
GT_dir = os.path.join(abs_path,'test-label' )
split = '_'                                                      #从result中分割出GT名字的符号，如10222_01_0.8411.png 中第一个符号为_，分割后GT为10222.png。 如何实际二者相同，请选择GT中没有的符号。
###########################################################
 
#存储列表
result_images =[] #结果图片名字列表
GT_image = []     #GT图片名字列表
image_number = [] #图片读取求指标的id
image_name = []   #图片读取求指标的id 对应的图片名
psnr_number = []  #psnr值列表
ssim_number = []  #ssim值列表
lpips_number = [] #lpips值列表
for root, _, fnames in sorted(os.walk(result_dir)):
    for fname in fnames:
        #path = os.path.join(root, fname)
        result_images.append(fname)                       ##结果图片名字列表
 
for root, _, fnames in sorted(os.walk(GT_dir)):
    for fname in fnames:
        #path = os.path.join(root, fname)
        GT_image.append(fname)                            #GT图片名字列表
 
for i in range(len(result_images)):
    print("now"+str(i))
    name_extension = result_images[i]                     #result图片全名
    (name, extension) = os.path.splitext(name_extension)  #分离名字和后缀
 
    ###########拼接出对应的GT中的全名###需要修改的部分（2）#########################
    index = name.find(split)                              #根据编名方式，提取出GT部分名字结束下标
    if index == -1:                                       #没有找到。则直接按照结果的名字拼接成GT名字
        index = len(name)
    find_name = name[:index]                              #提取出在GT中对应的图片名
    GT_name = 'label'+find_name[7:11]+".png"                     #拼接结果
 
    result_name_path =os.path.join(result_dir,name_extension)#拼接result 路径和名字
    GT_name_path =os.path.join(GT_dir,GT_name)            #拼接GT路径和名字
    # print(result_name_path)
    # print(GT_name_path)
 
    #开始计算指标
    result = cv2.imread(result_name_path)
    GT = cv2.imread(GT_name_path)
    psnr = peak_signal_noise_ratio(GT,result)
    ssim= structural_similarity(GT,result, multichannel=True)
 
    loss_fn_alex = lpips.LPIPS(net='alex',version=0.1) # best forward scores
    loss_fn_vgg = lpips.LPIPS(net='vgg',version=0.1) # closer to "traditional" perceptual loss, when used for optimization
    test1_res = result
    test1_label = GT
    transf = transforms.ToTensor()
    test1_label = transf(test1_label)
    test1_res = transf(test1_res)
    test1_ress = test1_res.to(torch.float32).unsqueeze(0)
    test1_labell = test1_label.to(torch.float32).unsqueeze(0)
    lpips_loss = loss_fn_alex(test1_ress, test1_labell)
 
    #计算结果存入列表
    image_number.append(str(i))
    image_name.append(name)
    psnr_number.append(psnr)
    ssim_number.append(ssim)
    lpips_number.append(lpips_loss)
#计算列表中指标值的平均值函数
def ave(lis):
    s = 0
    total_num = len(lis)
    for i in lis:
        s = s + i
    return s/total_num
#计算列表中指标值的平均值，并加入列表
total = 'total(' + str(len(image_number)) + ')'
image_number.append(total)
image_name.append('average')
psnr_ave = ave(psnr_number)
ssim_ave = ave(ssim_number)
lpips_ave = ave(lpips_number)
psnr_number.append(psnr_ave)
ssim_number.append(ssim_ave)
lpips_number.append(lpips_ave)
#生成csv文件
dit = {'image_number':image_number, 'result_name':image_name, 'psnr':psnr_number,'ssim':ssim_number,'lpips':lpips_number}
df = pd.DataFrame(dit)
csv_name = test_set_name + '_ssim&psnr&lpips.csv'    #拼接csv名字
csv_path = os.path.join(abs_path,csv_name)     #csv全路径
df.to_csv(csv_path,columns=['image_number','result_name','psnr','ssim','lpips'],index=False,sep=',')
 
print('————————————————————————————finish————————————————————————————')
print('csv_save_path:',csv_path)               ##csv全路径
print('result_photos_num:',len(result_images)) #result_photos_num
print('GT_photos_num:',len(GT_image))          #GT_photos_num
print('psnr_ave:',psnr_ave)                    #psnr_ave
print('ssim_ave:',ssim_ave)                    #ssim_ave
print('lpips_ave:',lpips_ave)                    #ssim_ave

结果：

注：有小伙伴测试时还是出现问题 ，我打包了个测试文件，图片可以按其命名放入对应文件夹，或者修改对应代码。

链接：https://pan.baidu.com/s/1xcScdzQofvQPkuVPy1FAVw?pwd=LUCK 
提取码：LUCK