写出基于颜色特征的花朵图像检索系统python代码

以下是一个基于颜色特征的花朵图像检索系统的Python代码示例：

import cv2
import numpy as np
import os

# 读取图像数据库并提取颜色特征
database = {}
for filename in os.listdir('database'):
    img = cv2.imread(os.path.join('database', filename))
    hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
    hist = cv2.calcHist([hsv], [0,1], None, [180, 256], [0, 180, 0, 256])
    hist = cv2.normalize(hist, hist).flatten()
    database[filename] = hist

# 读取查询图像并提取颜色特征
query = cv2.imread('query.jpg')
hsv = cv2.cvtColor(query, cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([hsv], [0,1], None, [180, 256], [0, 180, 0, 256])
hist = cv2.normalize(hist, hist).flatten()

# 计算查询图像与数据库中所有图像的相似度
results = {}
for filename, hist_db in database.items():
    score = cv2.compareHist(hist, hist_db, cv2.HISTCMP_CORREL)
    results[filename] = score

# 按相似度从高到低排序输出结果
sorted_results = sorted(results.items(), key=lambda x: x[1], reverse=True)
for filename, score in sorted_results:
    print(filename, score)

这段代码实现了以下功能：

1. 读取图像数据库中的所有图像，并对每个图像提取颜色特征（使用HSV颜色空间和2D直方图表示）；
2. 读取查询图像，并对其提取颜色特征；
3. 计算查询图像与数据库中所有图像的相似度，使用相关系数作为相似度度量；
4. 按相似度从高到低排序，输出结果。

注意：这只是一个简单的示例，实际应用中可能需要更加复杂的特征提取和相似度度量方法。