# Fusion_metric_python

**Repository Path**: WLLwssy/fusion_metric_python

## Basic Information

- **Project Name**: Fusion_metric_python
- **Description**: 本仓库提供了一个使用Python实现的图像融合评估指标集合，涵盖了多种常用的评估方法。这些指标可以帮助研究人员和开发者评估图像融合算法的效果，并进行对比分析。支持单幅图像评估、单个算法的所有融合结果评估，以及所有对比算法的直接计算，并支持结果写入Excel文件。
- **Primary Language**: Unknown
- **License**: MIT
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2024-10-15
- **Last Updated**: 2025-10-06

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 图像融合评估指标 - Python实现

本仓库提供了一个使用Python实现的图像融合评估指标集合，涵盖了多种常用的评估方法。这些指标可以帮助研究人员和开发者评估图像融合算法的效果，并进行对比分析。支持单幅图像评估、单个算法的所有融合结果评估，以及所有对比算法的直接计算，并支持结果写入Excel文件。

## 主要功能

- **信息熵 (EN)**：衡量图像的信息量。
- **空间频率 (SF)**：评估图像的空间细节丰富程度。
- **标准差 (SD)**：衡量图像的灰度变化范围。
- **峰值信噪比 (PSNR)**：评估图像质量的常用指标。
- **均方误差 (MSE)**：衡量图像失真程度的指标。
- **互信息 (MI)**：评估两幅图像之间的信息共享程度。
- **视觉保真度 (VIF)**：评估图像的主观视觉质量。
- **平均梯度 (AG)**：衡量图像的边缘清晰度。
- **相关系数 (CC)**：评估两幅图像之间的线性关系。
- **差异相关和 (SCD)**：评估图像融合后的差异性。
- **基于梯度的融合性能 (Qabf)**：评估融合图像的梯度信息。
- **结构相似度测量 (SSIM)**：评估图像的结构相似性。
- **多尺度结构相似度测量 (MS-SSIM)**：在多个尺度上评估图像的结构相似性。
- **基于噪声评估的融合性能 (Nabf)**：评估融合图像的噪声水平。

## 使用方法

1. **安装依赖**：
   ```bash
   pip install -r requirements.txt
   ```

2. **运行评估脚本**：
   ```bash
   python evaluate.py --image_path path/to/image --output_excel output.xlsx
   ```

3. **结果输出**：
   评估结果将自动写入指定的Excel文件中，方便后续分析和对比。

## 支持的评估模式

- **单幅图像评估**：评估单幅图像的各项指标。
- **单个算法的所有融合结果评估**：评估某个算法的所有融合结果。
- **所有对比算法的直接计算**：直接计算并对比所有算法的融合结果。

## 贡献

欢迎贡献代码、提出问题或建议。请通过GitHub的Issue或Pull Request进行交流。

## 许可证

本项目采用MIT许可证，详情请参阅[LICENSE](LICENSE)文件。