1. 请选取适当的特征，对下列图像对进行区分 (a) 图像对A1、A2 img1 = np.zeros((100, 100)) img2 = np.zeros((100, 100)) img1[20:50, 30:60] = 1 img2[30:50, 30:60] = 1 plt.subplot(121) plt.imshow(img1) plt.axis('off') plt.subplot(122) plt.imshow(img2) plt.axis('off') plt.show() ### YOUR CODE HERE ​ ### END YOUR CODE

针对图像对A1、A2，可以采用以下特征进行区分：

- 直接比较两幅图像的像素值，看是否相同
- 计算两幅图像的相似度，可以使用结构相似性指数（SSIM），均方误差（MSE）等指标
- 提取两幅图像的特征，比如局部二值模式（LBP）、方向梯度直方图（HOG）等，然后比较这些特征的相似度

下面是一种实现方式：

import cv2

# 读入两幅图像
img1 = cv2.imread('A1.jpg')
img2 = cv2.imread('A2.jpg')

# 比较两幅图像的像素值
if (img1 == img2).all():
    print('两幅图像完全相同')
else:
    print('两幅图像不相同')

# 计算两幅图像的相似度（MSE）
mse = ((img1 - img2) ** 2).mean()
print('两幅图像的均方误差为：', mse)

# 提取两幅图像的LBP特征
lbp = cv2.LBP()
feat1 = lbp.compute(img1)
feat2 = lbp.compute(img2)

# 计算LBP特征的相似度
similarity = cv2.compareHist(feat1, feat2, cv2.HISTCMP_CORREL)
print('两幅图像的LBP特征相似度为：', similarity)

需要注意的是，这里的图像文件需要提前保存到本地，并且要保证文件路径正确。