python如何判断两个图片是否相似

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

```python

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```python
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

```python

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）