两个矩阵之间的余弦相似度

Question

我有两个均为256x256的数组，当我使用色图绘制它们时，其中的信息具有两个不同的单位（一个单位为米，另一个单位为度），图像看起来非常相似，但是我知道该信息它们之间的大小和单位完全不同。因为图像看起来很像，所以我想计算出彼此相似程度的百分比。 （我知道这样说比较含糊，但我愿意就如何比较它们提出想法）

到目前为止，我在两个矩阵之间使用scikitlearn cosine_similarity函数，但是在理解所得矩阵的含义时遇到了问题。

那么哪个值代表相似性？有没有更好的方法来分析两个图像？ （附有图片）

import numpy as np
import matplotlib.pyplot as plt
from sklearn import metrics


matrix_A=dataA #256x256 matrix 
matrix_B=dataB #256x256 matrix

sim_AB=metrics.pairwise.cosine_similarity(A,B) #Similarity matrix
plt.imshow(sim_AB)

Answer 1

我相信cosine_similarity将矩阵视为列上的特征和行上的样本（或相反）。因此，就像您拥有256个功能部件和256个样本（每个示例）一样，结果是这些功能部件之间的比较。也许scipy的{​​{1}}是您要找的东西？这将计算两个图像之间的相关性。相关性越高，它们越相似。另外，您可以定义一些度量标准并计算距离，例如correlate2d，但是如果单位不同，则意义不大。