标签：情况 load 尺寸 识别 大致 api 信息 返回 osi
python工具包，用来计算图像之间的结构相似性 (Structural Similarity Image Metric: SSIM)。结构相似性介绍详见：https://zh.wikipedia.org/wiki/%E7%B5%90%E6%A7%8B%E7%9B%B8%E4%BC%BC%E6%80%A7
安装：sudo pip install pyssim
源码：https://github.com/jterrace/pyssim
使用示例: pyssim image1 image2 返回一个－1～1之间的实数，代表两张图片的结构相似。更多参数详见git中的介绍。
该方法能对两张图片的相似度进行一个大致的区分，它的计算基于两张图片的亮度、对比度和结构。但是对于有的图片，比如下面两个，它完全无法捕捉到它俩都是护照的信息，此方法计算的这两张图片的相似度接近于0。该方法更常用来衡量一张图片压缩后的失真度。
把图片表示成一个向量，通过计算向量之间的余弦距离来表征两张图片的相似度。
github上源码：https://github.com/hirobert/python-image-similarity
实现细节：首先会将两张图片缩小到相同的规格，一来可以减少运算量，二来大小不同的图片的表示向量没法直接点乘。向量每一维的值为对应像素点RGB值的平均。
即使缩小了图片，求范数和点积的运算量仍然很大，速度明显比使用pyssim方法慢。但是直观感觉计算的结果比pyssim更靠谱。
除了使用余弦相似度，还可以使用别的评价指标来表征两个向量之间的相似度。详见以下链接：http://www.cnblogs.com/heaad/archive/2011/03/08/1977733.html
直方图能够描述一幅图像中颜色的全局分布，是一种入门级的图像相似度计算方法。
原理介绍及源码参考：http://blog.csdn.net/gzlaiyonghao/article/details/2325027 http://www.ruanyifeng.com/blog/2013/03/similar_image_search_part_ii.html
过于简单，只能捕捉颜色的相似性，捕捉不到更多的信息。比如以下两张图片：
由于二者颜色分布相似，所以判定二者相似度较高，显然不合理。
通过计算两个图片的互信息来表征它们之间的相似度。
可以借助medpy来计算互信息，详见：http://pythonhosted.org/MedPy/_modules/medpy/metric/image.html
medpy是个基于python的医学影像处理工具，提供计算图像之间的互信息的接口。
这种方式，如果两张图片尺寸相同，还是能在一定程度上表征两张图片的相似性的。但是，大部分情况下图片的尺寸不相同，如果把两张图片尺寸调成相同的话，又会让原来很多的信息丢失，所以很难把握。经过实际验证，此种方法的确很难把握。
将图片归一化成一定大小，计算一个序列作为它的指纹信息，然后比较两张图片指纹信息序列相同的位数。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。
一个简单的实现：http://www.ruanyifeng.com/blog/2011/07/imgHash.txt
使用上面的简单实现几乎没什么效果。当然上面的实现略显粗糙，图片被压缩得很小。
如果不使用基于模式识别的方法，以上所述多种方法都可以大致比较两张图片的相似性。但是以上各方法的效果也很大程度上依赖于许多具体实现细节，由于没有一个衡量尺度，所以很难比较各方法的优劣。
标签：情况 load 尺寸 识别 大致 api 信息 返回 osi
原文地址：http://www.cnblogs.com/vincent93/p/6893307.html
