SR_Metrics_Test
测试TestSet的PSNR, SSIM, LPIPS,并按照最终数值划分出较好的图片。
说明:
输入数据集:
①真实图像 ②Ours的测试图像 ③对比方法的测试图像
输出结果:
①真实图像与Ours的PSNR, SSIM, LPIPS三个数值 ②真实图像与对比方法的PSNR, SSIM, LPIPS三个数值 ③真实图像patch与Ours patchs的PSNR, SSIM, LPIPS三个数值 ④真实图像patch与对比方法patch的PSNR, SSIM, LPIPS三个数值 ⑤Ours相比对比方法三个数值都要好的原图片及图片patch,分别保存为六个文件夹(真实图像、真实图像patch、Ours、Ours patch、对比方法、对比方法patch)并记录数据。
运行步骤
1.首先运行extract_subimages.py,把三个输入数据集分别crop成patch,如下图
2.分别运行calculate_PSNR_SSIM.py得到①②③④的结果。
3.根据2中结果,选出Ours比对比方法好的数据(可以用python shutil包写一个脚本,当PSNR_1>PSNR_2 && LPIPS1<LPIPS2时(或者按照2中结果的平均值设个阈值比较),把其中数据分别放入⑤中所述的六个文件夹),并记录相关数据,如下图(用Excel简单记录不用图片也可以)。(其中PSNR、SSIM越高越好,LPIPS越低越好)
4.根据3中结果继续筛选出肉眼看起来比较明显区别的patch图片,如上图,再保存为相应文件夹。