用python实现以下功能，在文件夹folder下有多个.JPG文件，使用基于形状的方法Hausdorff distance ，从中匹配出与a.jpg相似的图像，并显示相似度。请给出可以运行的代码

以下是使用Python实现基于形状的方法Hausdorff distance进行图像匹配的代码：

import cv2
import numpy as np
import os

# 计算两个轮廓之间的Hausdorff距离
def hausdorff_distance(contour1, contour2):
    # 计算所有点对之间的距离
    dist1 = np.min([np.max(np.sqrt(np.sum((contour1[i] - contour2)**2, axis=1))) for i in range(len(contour1))])
    dist2 = np.min([np.max(np.sqrt(np.sum((contour2[i] - contour1)**2, axis=1))) for i in range(len(contour2))])
    # 取两个距离的最大值作为Hausdorff距离
    return max(dist1, dist2)

# 读取图像并提取轮廓
def get_contours(image_path):
    image = cv2.imread(image_path)
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    _, threshold = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)
    contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    return contours[0]

# 主函数
def main():
    # 读取待匹配的图像
    a_contour = get_contours('folder/a.jpg')
    # 循环遍历所有图像
    for file in os.listdir('folder'):
        if file.endswith('.jpg') and file != 'a.jpg':
            # 读取当前图像并提取轮廓
            b_contour = get_contours(os.path.join('folder', file))
            # 计算Hausdorff距离
            distance = hausdorff_distance(a_contour, b_contour)
            # 显示匹配结果
            print('图像{}与a.jpg的相似度为{}'.format(file, distance))

if __name__ == '__main__':
    main()

在运行代码之前，需要先将待匹配的图像a.jpg和其他图像放在同一个文件夹folder下。运行代码后，程序将遍历文件夹中的所有图像，计算它们与a.jpg的Hausdorff距离，并显示匹配结果。