python中两个图像之间的百分比差异使用相关系数

Question

我想比较两个图像块，如果它们完全相同，则结果必须为1，如果它们匹配60％，则答案必须为0.6。

在Matlab中，我可以使用corr2命令执行此操作，但在python中我无法找到方法。我尝试了numpy.corrcoef，但它返回一个矩阵，scipy.signal.correlate2d返回相同的值。

这就是我的尝试：

import numpy as np
import matplotlib.pyplot as plt
from skimage.filter import threshold_otsu
import matplotlib.cm as cm
import Image
import scipy
from PIL import Image as im
fname = 'testi.jpg'
image = Image.open(fname).convert("L")
arr = np.asarray(image)
global_thresh = threshold_otsu(arr)

global_otsu = arr >= global_thresh
global_otsu = np.invert(global_otsu).astype(int)
a1 = global_otsu[80:150,1350:1350+160]
fname1 = 'testi2.jpg'
image1 = Image.open(fname1).convert("L")
arr1 = np.asarray(image1)
global_thresh1 = threshold_otsu(arr1)

global_otsu1 = arr1 >= global_thresh1
global_otsu1 = np.invert(global_otsu1).astype(int)
a2 = global_otsu1[80:150,1350:1350+160]

co = scipy.signal.correlate2d(a1,a2)

plt.gray()
plt.subplot(121)
plt.imshow(a1)
plt.subplot(122)
plt.imshow(a2)

plt.show()

结果是：

[[0 0 0 ..., 0 0 0]
[0 0 0 ..., 0 0 0]
[0 0 0 ..., 0 0 0]
..., 
[0 0 0 ..., 0 0 0]
[0 0 0 ..., 0 0 0]
[0 0 0 ..., 0 0 0]]

这些是我想要比较的图像：

Answer 1

由于您希望逐个像素地进行比较，因此您可以对展平的图像执行相关性：

cm = np.corrcoef(a1.flat, a2.flat)

cm包含对称相关矩阵，其中非对角线元素是相关系数。你可以通过

获得它

r = cm[0, 1]

修改 使用相关性来比较图像存在问题。如果它们中的任何一个是完全平坦的（所有像素都是相同的值），则相关性是不确定的。

如果图像是二进制的，您可以简单地计算相等像素的优势：

agreement = np.sum(a == b) / a.size