如何判断两个图像相似python

在Python中，有多种方法可以用来判断两个图像的相似度。以下是一些常用的方法及其代码示例：

方法一：使用PIL库计算差异值

 from PIL import Image 打开两张图片 image1 = Image.open（'image1.jpg'） image2 = Image.open（'image2.jpg'） 将图片转换为相同的模式（例如RGB） image1 = image1.convert（'RGB'） image2 = image2.convert（'RGB'） 计算差异值 diff = ImageChops.difference（image1, image2） 计算差异值的总和 diff_sum = sum（diff.getdata（）） 计算相似度（差异值总和越小，相似度越高） similarity = 1 - diff_sum / diff.size * diff.size print（f"Similarity: {similarity}"） 

方法二：使用均值哈希算法

 import cv2 import numpy as np  def aHash（img）: img = cv2.resize（img, （8, 8）, interpolation=cv2.INTER_CUBIC） gray = cv2.cvtColor（img, cv2.COLOR_BGR2GRAY） avg = np.mean（gray） hash_str = '' for i in range（8）: for j in range（8）: if gray[i, j] > avg: hash_str += '1' else: hash_str += '0' return hash_str def dHash（img）: img = cv2.resize（img, （9, 8）, interpolation=cv2.INTER_CUBIC） gray = cv2.cvtColor（img, cv2.COLOR_BGR2GRAY） hash_str = '' for i in range（8）: for j in range（8）: if gray[i, j] > np.mean（gray[i:i+8, j:j+8]）: hash_str += '1' else: hash_str += '0' return hash_str 计算两个图像的哈希值并比较 hash1 = aHash（cv2.imread（'image1.jpg'）） hash2 = aHash（cv2.imread（'image2.jpg'）） print（f"aHash similarity: {1 - sum（h1 != h2 for h1, h2 in zip（hash1, hash2）） / len（hash1）}"） 

方法三：使用互信息计算相似度

 from sklearn import metrics as mr import imageio import numpy as np 读取图片 img_cp1 = imageio.imread（'WD1.png'） img_cp2 = imageio.imread（'WD2.png'） 调整图片尺寸 img_cp2 = np.resize（img_cp2, （img_cp1.shape, img_cp1.shape, img_cp1.shape）） 将图片展平为一维数组 img_cp1 = np.reshape（img_cp1, -1） img_cp2 = np.reshape（img_cp2, -1） 计算互信息 mutual_info = mr.mutual_info_score（img_cp1, img_cp2） print（f"Mutual Information: {mutual_info}"） 

方法四：使用结构相似性指数（SSIM）