python如何判断两个图像相似度

Python判断两个图像相似度的方法有：直方图比较、结构相似性指数（SSIM）、特征匹配、感知哈希算法（pHash）。其中，结构相似性指数（SSIM）是一种常用且有效的方法，它通过比较图像的亮度、对比度和结构来衡量图像之间的相似度。SSIM 的值在 -1 到 1 之间，1 表示完全相同，-1 表示完全不同。我们可以使用 Python 的 scikit-image 库来计算 SSIM。

一、直方图比较

直方图比较是图像相似度判断的基本方法之一。通过计算两个图像的颜色直方图，并使用不同的方法（如相关性、卡方、交叉熵等）进行比较，可以得到一个相似度评分。

import cv2
import numpy as np
def compare_histograms(img1, img2):
    hist1 = cv2.calcHist([img1], [0], None, [256], [0, 256])
    hist2 = cv2.calcHist([img2], [0], None, [256], [0, 256])
    cv2.normalize(hist1, hist1)
    cv2.normalize(hist2, hist2)
    score = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)
    return score
img1 = cv2.imread('image1.jpg', 0)
img2 = cv2.imread('image2.jpg', 0)
similarity = compare_histograms(img1, img2)
print(f"Histogram similarity: {similarity}")

二、结构相似性指数（SSIM）

SSIM 是衡量图像相似度的常用指标之一。它通过比较图像的亮度、对比度和结构来判断两个图像的相似度。

from skimage.metrics import structural_similarity as ssim
import cv2
def compare_ssim(img1, img2):
    gray_img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
    gray_img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
    score, diff = ssim(gray_img1, gray_img2, full=True)
    return score
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')
similarity = compare_ssim(img1, img2)
print(f"SSIM similarity: {similarity}")

三、特征匹配

特征匹配方法通过检测和描述图像中的关键点，并使用匹配算法来比较这些关键点。常用的特征检测与描述算法有 SIFT（尺度不变特征变换）、SURF（加速鲁棒特征）和 ORB（快速鲁棒特征）。

import cv2
def compare_features(img1, img2):
    orb = cv2.ORB_create()
    kp1, des1 = orb.detectAndCompute(img1, None)
    kp2, des2 = orb.detectAndCompute(img2, None)
    bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    matches = bf.match(des1, des2)
    matches = sorted(matches, key=lambda x: x.distance)
    score = sum([m.distance for m in matches]) / len(matches)
    return score
img1 = cv2.imread('image1.jpg', 0)
img2 = cv2.imread('image2.jpg', 0)
similarity = compare_features(img1, img2)
print(f"Feature similarity: {similarity}")

四、感知哈希算法（pHash）

感知哈希算法通过将图像转换为一组唯一的哈希值来判断图像的相似度。pHash 是一种常用的感知哈希算法。

import imagehash
from PIL import Image
def compare_phash(img1_path, img2_path):
    img1 = Image.open(img1_path)
    img2 = Image.open(img2_path)
    hash1 = imagehash.phash(img1)
    hash2 = imagehash.phash(img2)
    return hash1 - hash2
similarity = compare_phash('image1.jpg', 'image2.jpg')
print(f"pHash similarity: {similarity}")