Image 这个基于图像相似性/距离的度量的名称是什么？

我使用以下代码来计算图像1和图像2（i1和i2）之间的相似性。1=完全相似，而0=非常不同。我想知道这个算法使用的是什么方法（例如欧几里德距离或…？），谢谢

import math
i1=all_images_saved[0][1]
i2=all_images_saved[0][2]
i1_norm = i1/np.sqrt(np.sum(i1**2))
i2_norm = i2/np.sqrt(np.sum(i2**2))
np.sum(i1_norm*i2_norm)

---

我不相信这是距离，否则0表示相同。这看起来像是2个标准化向量的点积，在这种情况下，我会说它们是原始向量（从-1到1的值范围在下面描述的阈值之间）：

• 1

  =同向

• 0

  =正交

• -1

  =相反方向

给定，如果你有点积和向量的大小，你可以得到2:

a . b = ||a|| ||b|| cos θ

还是我完全错过了什么？

看起来像。您可以检查它是否给出与以下相同的结果：

from scipy import spatial 
cosine_distance = spatial.distance.cosine(i1.flatten(), i2.flatten()) 
cosine_similarity = 1 - cosine_distance

---

有人建议用这个指标来判断两幅图像有多相似。它不是这样做的吗？从数学上讲，它给出了被视为矩阵的图像的相似性。但是，如果你是指人类如何感知图像，那么这可能不合适（例如，拍摄一幅图像，从中裁剪两幅较小的图像，两幅图像之间有一个较小的偏移：图像看起来与人类相似，但从数学上讲，所有像素都是不相似的，因此数学上可能会说它们不同。标准化可能会有所帮助（例如，对特定图像进行定心/重塑：）但通常对于图像，使用神经网络可以获得更好的结果，因为它具有卷积的灵活性