Python判断两张图片的相似度

admin

     在Python中，判断两张以numpy的ndarray格式存储的图片的相似度，通常可以通过多种方法来实现，包括但不限于直方图比较、像素差比较、结构相似性指数（SSIM）、特征匹配等。以下是一些常见方法的简要介绍和示例代码。

1. 像素差比较

最直接的方法是计算两张图片对应像素之间的差异。然而，这种方法对图片的旋转、缩放等变换非常敏感。

1. import numpy as np
   
2. 
   
3. def pixel_difference(img1, img2):
   
4.     if img1.shape != img2.shape:
   
5.         raise ValueError("Images must have the same shape")
   
6.     diff = np.sum(np.abs(img1.astype(np.float32) - img2.astype(np.float32)))
   
7.     return diff
   
8. 
   
9. # 假设 img1 和 img2 是两个相同尺寸的 ndarray 图片
   
10. # result = pixel_difference(img1, img2)
    
11. # print(f"Pixel Difference: {result}")
    

复制代码

2. 直方图比较

通过比较两张图片的直方图来判断它们的相似度。这种方法对颜色分布敏感，但对空间信息不敏感。

1. from skimage.exposure import histogram
   
2. 
   
3. def histogram_comparison(img1, img2):
   
4.     hist1, bin_idx1 = histogram(img1)
   
5.     hist2, bin_idx2 = histogram(img2)
   
6.     # 这里可以使用多种方法来比较直方图，如计算欧氏距离、巴氏距离等
   
7.     diff = np.linalg.norm(hist1 - hist2)
   
8.     return diff
   
9. 
   
10. # 假设 img1 和 img2 是两个 ndarray 图片
    
11. # result = histogram_comparison(img1, img2)
    
12. # print(f"Histogram Difference: {result}")
    

复制代码

3. 结构相似性指数（SSIM）

SSIM是一种衡量两幅图片视觉相似度的指标，它考虑了亮度、对比度和结构信息。

1. from skimage.metrics import structural_similarity as ssim
   
2. 
   
3. def compare_ssim(img1, img2):
   
4.     # 确保img1和img2是灰度图，如果不是，需要先转换
   
5.     if img1.ndim == 3:
   
6.         img1 = img1.mean(axis=2)
   
7.     if img2.ndim == 3:
   
8.         img2 = img2.mean(axis=2)
   
9.     (score, diff) = ssim(img1, img2, full=True)
   
10.     return score, diff
    
11. 
    
12. # 假设 img1 和 img2 是两个 ndarray 图片
    
13. # score, diff = compare_ssim(img1, img2)
    
14. # print(f"SSIM: {score}, Diff: {diff}")
    

复制代码