skimage升级后structural_similarity模板特征点匹配异常问题排查

下面是针对问题的具体排查方向和修复方案：

1. 强制对齐原函数的核心参数配置 #

原skimage.measure.compare_ssim与新skimage.metrics.structural_similarity存在默认参数差异，这是匹配失效的核心原因之一。你需要显式设置参数，完全对齐原逻辑：

for pt1, ft1 in zip(templ.points, templ.feats):
    for pt2, ft2 in zip(image.points, image.feats):
        ret = skimage.metrics.structural_similarity(
            ft1, ft2,
            win_size=FEATURE_SSIM_WIN,
            data_range=1.0,
            K1=FEATURE_SSIM_K1,
            K2=FEATURE_SSIM_K2,
            gaussian_weights=False,  # 原函数默认关闭高斯加权，必须显式设置
            use_sample_covariance=True  # 原函数默认使用样本协方差
        )
        if ret < FEATURE_SSIM_THR:
            continue
        matches.append([pt1, pt2, ret])

重点说明：新函数默认gaussian_weights=True，会忽略你设置的win_size改用高斯核计算，这和原函数的矩形窗口SSIM逻辑完全不同，必须显式关闭。

2. 确认特征输入的维度匹配 #

SSIM是基于空间邻域结构的计算逻辑，若你的ft1、ft2是扁平化的一维数组（比如从11x11的图像patch提取后转为(121,)的数组），必须将其reshape回二维结构：

# 假设FEATURE_SSIM_WIN是你的窗口边长，比如11
ft1_2d = ft1.reshape((FEATURE_SSIM_WIN, FEATURE_SSIM_WIN))
ft2_2d = ft2.reshape((FEATURE_SSIM_WIN, FEATURE_SSIM_WIN))
# 用二维特征计算SSIM
ret = skimage.metrics.structural_similarity(ft1_2d, ft2_2d, ...)

一维输入会让SSIM计算序列相似性而非空间结构相似性，直接导致匹配结果完全错误。

3. 验证SSIM结果的一致性 #

找一对已知正确匹配的特征点，分别用新旧函数计算SSIM值：

• 在旧版本skimage中记录compare_ssim的结果
• 在新版本中用调整后的参数计算structural_similarity的结果
  若两者差异较大，检查参数设置或特征维度是否还有问题；若结果接近，再微调FEATURE_SSIM_THR适配新的结果分布。

4. 检查窗口参数的合法性 #

确保FEATURE_SSIM_WIN是奇数（SSIM要求窗口边长为奇数），若为偶数会导致计算异常；同时确认K1、K2的取值在(0,1)范围内（原函数默认值为0.01和0.03）。

内容的提问来源于stack exchange，提问作者Shovar