معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Image similarity metrics.

ویژگی	مقدار
سیستم عامل	-
نام فایل	compimg-0.2.2
نام	compimg
نسخه کتابخانه	0.2.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	khrynczenko
ایمیل نویسنده	jeniopy@gmail.com
آدرس صفحه اصلی	http://github.com/khrynczenko/compimg
آدرس اینترنتی	https://pypi.org/project/compimg/
مجوز	-

# compimg ![PyPI](https://img.shields.io/pypi/v/compimg.svg) ![PyPI - Python Version](https://img.shields.io/pypi/pyversions/compimg.svg) ![PyPI - Wheel](https://img.shields.io/pypi/wheel/compimg.svg) [![License](https://img.shields.io/badge/License-Apache%202.0-blue.svg)](https://opensource.org/licenses/Apache-2.0) [![Documentation Status](https://readthedocs.org/projects/compimg/badge/?version=stable)](https://compimg.readthedocs.io/en/stable/?badge=stable) ![PyPI - Downloads](https://img.shields.io/pypi/dm/compimg) Branches: master: [![CircleCI](https://circleci.com/gh/khrynczenko/compimg/tree/master.svg?style=svg)](https://circleci.com/gh/khrynczenko/compimg/tree/master) develop: [![CircleCI](https://circleci.com/gh/khrynczenko/compimg/tree/develop.svg?style=svg)](https://circleci.com/gh/khrynczenko/compimg/tree/develop) ## Introduction **_For full documentation visit [documentation site](https://compimg.readthedocs.io)._** Image similarity metrics are often used in image quality assessment for performance evaluation of image restoration and reconstruction algorithms. They require two images: - test image (image of interest) - reference image (image we compare against) Such metrics produce numerical values and are widely called full/reduced-reference methods for assessing image quality. `compimg` package is all about calculating similarity between images. It provides image similarity metrics (PSNR, SSIM etc.) that are widely used to asses image quality. ```python import numpy as np from compimg.similarity import SSIM some_grayscale_image = np.ones((20,20), dtype=np.uint8) identical_image = np.ones((20,20), dtype=np.uint8) result = SSIM().compare(some_grayscale_image, identical_image) assert result == 1.0 # SSIM returns 1.0 when images are identical ``` ## Features - common metrics for calculating similarity of one image to another - images are treated as `numpy` arrays which makes `compimg` compatible with most image processing packages - only `scipy` (and inherently `numpy`) as a dependency ## Installation `compimg` is available on *PyPI*. You can install it using pip: `pip install compimg` ## Note Keep in mind that metrics are not aware of what kind of image you are passing. If metric relies on intensity values and you have YCbCr image you should probably pass only the first channel to the computing subroutine. ## Help If you have any problems or questions please post an issue.

نیازمندی

مقدار	نام
<2.0.0,>=1.1.0	scipy
<2.0.0,>=1.15.4	numpy

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl compimg-0.2.2:

pip install compimg-0.2.2.whl

نصب پکیج tar.gz compimg-0.2.2:

pip install compimg-0.2.2.tar.gz