python两张二值图像黑白像素点位置相似度代码

在Python中，计算两张二值图像（通常是通过某种阈值处理得到的，其中黑像素和白像素代表特定的信息）的黑白像素点位置相似度通常涉及图像处理和比较操作。这里我们可以使用`skimage`库来实现这个功能。以下是一个基本的例子：

from skimage import io, measure
import numpy as np

def pixel_similarity(image1_path, image2_path):
    # 读取图片
    img1 = io.imread(image1_path, as_gray=True) > 0  # 将灰度图转换为二值图
    img2 = io.imread(image2_path, as_gray=True) > 0
    
    # 检查是否都是二进制图像（全黑或全白）
    if not np.all(img1) or not np.all(img2):
        raise ValueError("Both images must be binary (black and white).")
    
    # 计算每个图像的轮廓
    contours1 = measure.find_contours(img1, 0.5)
    contours2 = measure.find_contours(img2, 0.5)
    
    # 对应像素点集合
    pixel_positions1 = [(c[:, 0], c[:, 1]) for c in contours1]
    pixel_positions2 = [(c[:, 0], c[:, 1]) for c in contours2]

    # 相似度可以是基于两个点集的距离（如Jaccard相似度或hausdorff距离），或者形状匹配（例如使用轮廓面积比）
    similarity = jaccard_index(pixel_positions1, pixel_positions2)
    return similarity

def jaccard_index(points1, points2):
    intersection = set(zip(*points1)).intersection(set(zip(*points2)))
    union = set(zip(*points1)).union(set(zip(*points2)))
    return len(intersection) / len(union)

# 使用函数并打印结果
similarity = pixel_similarity('image1.png', 'image2.png')
print(f"Similarity between the two images: {similarity}")