多张图片比较相似度的python代码

在Python中，你可以使用图像处理库如`PIL`（Python Imaging Library）以及专门用于图像相似度计算的库，比如`imagehash`或者`similarity`。下面是一个基本的例子，展示如何使用`imagehash`库计算并比较两张图片的平均哈希值，这是一种简单而快速的相似度衡量方法：

from PIL import Image
import imagehash

# 加载图片
img1 = Image.open('image1.jpg')
img2 = Image.open('image2.jpg')

# 计算图片哈希
img1_hash = imagehash.average_hash(img1)
img2_hash = imagehash.average_hash(img2)

# 相似度计算
similarity = img1_hash.similarity(img2_hash)

print("图片1和图片2的相似度：", similarity)

如果需要更精确的相似度比较，可以尝试使用像`DeepLearning`库中的深度学习模型，如`tf.keras`或`torchvision`，来进行卷积神经网络（CNN）特征提取和对比：

import tensorflow as tf
from tensorflow.keras.applications.resnet50 import ResNet50, preprocess_input

# 预加载预训练模型
model = ResNet50(weights='imagenet', include_top=False)

def get_features(image_path):
    # 加载图片并预处理
    img = tf.keras.preprocessing.image.load_img(image_path, target_size=(224, 224))
    img_array = preprocess_input(tf.keras.preprocessing.image.img_to_array(img))
    img_array = tf.expand_dims(img_array, axis=0)
    
    # 提取特征
    features = model.predict(img_array)[0]
    return features

features1 = get_features('image1.jpg')
features2 = get_features('image2.jpg')

# 使用余弦相似度计算相似度
cosine_sim = tf.reduce_sum(tf.nn.CosineSimilarity()(features1, features2)) / (tf.norm(features1) * tf.norm(features2))

print("图片1和图片2的相似度（Cosine Similarity）：", cosine_sim.numpy())