不同大小内容一致的两张图片如何比较相似性

要比较不同大小但内容一致的两张图片的相似性，可以使用图像的结构相似性指数（SSIM）或感知哈希算法（Perceptual Hashing）来进行比较。这些方法可以忽略图像的尺寸差异，并考虑图像的内容相似度。下面是使用Python实现这两种方法的示例代码：

1. 结构相似性指数（SSIM）比较：

import cv2

def compare_ssim(image1_path, image2_path):
    image1 = cv2.imread(image1_path)
    image2 = cv2.imread(image2_path)

    gray_image1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
    gray_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)

    ssim_score = cv2.compareSSIM(gray_image1, gray_image2)

    return ssim_score

# Example usage:
image1_path = "image1.png"
image2_path = "image2.png"

ssim_score = compare_ssim(image1_path, image2_path)
print(f"SSIM Score: {ssim_score}")

请确保在运行代码之前已经安装了OpenCV库（可以使用`pip install opencv-python`进行安装）。在示例代码中，`compare_ssim`函数接受两个图片路径作为参数，并返回计算得到的结构相似性指数（SSIM）。

2. 感知哈希算法（Perceptual Hashing）比较：

from PIL import Image
import imagehash

def compare_phash(image1_path, image2_path):
    image1 = Image.open(image1_path)
    image2 = Image.open(image2_path)

    phash1 = imagehash.phash(image1)
    phash2 = imagehash.phash(image2)

    similarity = 1.0 - (phash1 - phash2) / len(phash1.hash) ** 2

    return similarity

# Example usage:
image1_path = "image1.png"
image2_path = "image2.png"

similarity = compare_phash(image1_path, image2_path)
print(f"Similarity: {similarity}")

请确保在运行代码之前已经安装了Pillow和ImageHash库（可以使用`pip install Pillow imagehash`进行安装）。在示例代码中，`compare_phash`函数接受两个图片路径作为参数，并返回计算得到的相似度。

这两种方法都可以用于比较内容一致但尺寸不同的图片的相似性。根据具体需求选择合适的方法进行图片相似性比较。