我正在尝试开发一种算法，该算法可以为给定的两张黑白图像返回相似度分数：一张是原图，另一张是人手绘的草图：

所有原图都具有相同的风格，但没有给定任何有限的集合。它们的内容可能完全不同。

我尝试了几种方法，但到目前为止都没有成功：

OpenCV模板匹配

OpenCV的matchTemplate无法计算图像的相似度分数。它只能告诉我匹配像素的数量，而这个值通常相当低，因为人手绘的草图比例不理想。

OpenCV特征匹配

我尝试这种方法失败了，因为我无法找到从人手绘的草图中提取重要特征的好算法。来自OpenCV教程的算法在提取角点和斑点作为特征方面表现良好。但是在草图中，我们有很多笔触——每一个都产生了很多不重要的、无关紧要的特征，导致结果模糊不清。

神经网络分类

我还研究了神经网络——它们在图像分类方面表现出色，但它们也需要为每个类别准备训练集，而这一部分是不可能的，因为我们有无限的可能图像集。

您会使用哪些方法和算法来完成这种任务？

回答：

方法1

余弦相似度给出了一个在0到1之间的相似度分数。

我首先将图像转换为灰度并对其进行二值化。我将原图裁剪到一半大小并排除了文本，如下所示：

然后我将图像数组转换为1D数组，使用flatten()。我使用以下代码计算余弦相似度：

from scipy import spatialresult = spatial.distance.cosine(im2, im1)print result

我得到的结果是0.999999988431，这意味着图像之间的相似度达到了这个分数。

编辑

方法2

我有时间检查了另一种解决方案。我发现OpenCV的cv2.matchTemplate()函数执行相同的任务。

如果你查看这个文档页面，你会看到使用的不同参数。

我使用了cv2.TM_SQDIFF_NORMED参数（它给出两张图像之间的归一化平方差）。

    res = cv2.matchTemplate(th1, th2, cv2.TM_SQDIFF_NORMED)    print 1 - res

对于给定的图像，我得到了一个相似度分数：0.89689457