去雨算法python代码

主要是用于去除雨点的代码，效果非常好，是用python写的

import torch
import torch.nn.functional as F
from torch.autograd import Variable
import numpy as np
from math import exp

def gaussian（window_size sigma）:
    gauss = torch.Tensor（[exp（-（x - window_size//2）**2/float（2*sigma**2）） for x in range（window_size）]）
    return gauss/gauss.sum（）

def create_window（window_size channel）:
    _1D_window = gaussian（window_size 1.5）.unsqueeze（1）
    _2D_window = _1D_window.mm（_1D_window.t（））.float（）.unsqueeze（0）.unsqueeze（0）
    window = Variable（_2D_window.expand（channel 1 window_size window_size）.contiguous（））
    return window

def _ssim（img1 img2 window window_size channel size_average = True）:
    mu1 = F.conv2d（img1 window padding = window_size//2 groups = channel）
    mu2 = F.conv2d（img2 window padding = window_size//2 groups = channel）

    mu1_sq = mu1.pow（2）
    mu2_sq = mu2.pow（2）
    mu1_mu2 = mu1*mu2

    sigma1_sq = F.conv2d（img1*img1 window padding = window_size//2 groups = channel） - mu1_sq
    sigma2_sq = F.conv2d（img2*img2 window padding = window_size//2 groups = channel） - mu2_sq
    sigma12 = F.conv2d（img1*img2 window padding = window_size//2 groups = channel） - mu1_mu2

    C1 = 0.01**2
    C2 = 0.03**2

    ssim_map = （（2*mu1_mu2 + C1）*（2*sigma12 + C2））/（（mu1_sq + mu2_sq + C1）*（sigma1_sq + sigma2_sq + C2））

    if size_average:
        return ssim_map.mean（）
    else:
        return ssim_map.mean（1）.mean（1）.mean（1）

class SSIM（torch.nn.Module）:
    def __init__（self window_size = 11 size_average = True）:
        super（SSIM self）.__init__（）
        self.window_size = window_size
        self.size_average = size_average
        self.channel = 3
        self.window = create_window（window_size self.channel）

    def forward（self img1 img2）:
        （_ channel _ _） = img1.size（）

        if channel == self.channel and self.window.data.type（） == img1.data.type（）:
            window = self.window
        else:
            window = create_window（self.window_size channel）
            
            if img1.is_cuda:
                window = window.cuda（img1.get_device（））
            window = window.type_as（img1）
            
            self.window = window
            self.channel = channel


        return _ssim（img1 img2 window self.window_size channel self.size_average）

def ssim（img1 img2 window_size = 11 size_average = True）:
    （_ channel _ _） = img1.size（）
    window = create_window（window_size channel）
    
    if img1.is_cuda:
        window = window.cuda（img1.get_device（））
    window = window.type_as（img1）
    
    return _ssim（img1 img2 window window_size channel size_average）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-07-27 07:55  RESCAN-master\
     文件        1203  2018-07-27 07:55  RESCAN-master\.gitignore
     文件        1065  2018-07-27 07:55  RESCAN-master\LICENSE
     文件        3686  2018-07-27 07:55  RESCAN-master\README.md
     目录           0  2018-07-27 07:55  RESCAN-master\config\
     文件        2635  2018-07-27 07:55  RESCAN-master\config\cal_ssim.py
     文件          96  2018-07-27 07:55  RESCAN-master\config\clean.sh
     文件        4336  2018-07-27 07:55  RESCAN-master\config\dataset.py
     文件        7086  2018-07-27 07:55  RESCAN-master\config\main.py
     文件        6194  2018-07-27 07:55  RESCAN-master\config\model.py
     文件         742  2018-07-27 07:55  RESCAN-master\config\settings.py
     文件        2605  2018-07-27 07:55  RESCAN-master\config\show.py
     文件         233  2018-07-27 07:55  RESCAN-master\config\tensorboard.sh
     目录           0  2018-07-27 07:55  RESCAN-master\docs\
     文件           1  2018-07-27 07:55  RESCAN-master\docs\index.html
     文件         180  2018-07-27 07:55  RESCAN-master\explore.sh