python比较两个图片相似度

要比较两个图片的相似度，可以使用Python中的图像处理库Pillow和OpenCV。以下是Pillow和OpenCV分别实现图片相似度比较的示例代码：

使用Pillow实现图片相似度比较：

from PIL import Image

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

    # 获取图片的像素点数据
    pixels1 = list(image1.getdata())
    pixels2 = list(image2.getdata())

    # 对比图片像素点数据的差异
    difference = 0
    for i in range(len(pixels1)):
        for j in range(3):
            difference += abs(pixels1[i][j] - pixels2[i][j])

    # 计算相似度
    similarity = 1 - (difference / (len(pixels1) * 3 * 255))

    return similarity

使用OpenCV实现图片相似度比较：

import cv2

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

    # 将图片转换为灰度图像
    gray_image1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
    gray_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)

    # 使用ORB算法提取图片特征点
    orb = cv2.ORB_create()
    keypoints1, descriptors1 = orb.detectAndCompute(gray_image1, None)
    keypoints2, descriptors2 = orb.detectAndCompute(gray_image2, None)

    # 使用BFMatcher算法匹配特征点
    bf_matcher = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
    matches = bf_matcher.match(descriptors1, descriptors2)

    # 计算相似度
    similarity = len(matches) / len(keypoints1)

    return similarity

这两种方法都可以用来比较两个图片的相似度，但是使用OpenCV的方法更加准确和可靠。