Matlab 使用相关系数的python中两幅图像之间的百分比差异
我想比较两个图像块,如果它们完全相同,结果必须是1,如果它们匹配60%,答案必须是0.6 在Matlab中,我可以使用Matlab 使用相关系数的python中两幅图像之间的百分比差异,matlab,python-2.7,numpy,image-processing,scipy,Matlab,Python 2.7,Numpy,Image Processing,Scipy,我想比较两个图像块,如果它们完全相同,结果必须是1,如果它们匹配60%,答案必须是0.6 在Matlab中,我可以使用corr2命令来实现这一点,但在python中我找不到方法。我尝试了numpy.corrcoef但它返回一个矩阵,而scipy.signal.correlate2d返回相同的矩阵 这就是我尝试过的: import numpy as np import matplotlib.pyplot as plt from skimage.filter import threshold_ots
corr2
命令来实现这一点,但在python中我找不到方法。我尝试了numpy.corrcoef
但它返回一个矩阵,而scipy.signal.correlate2d
返回相同的矩阵
这就是我尝试过的:
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]]
以下是我要比较的图像:
由于要逐像素比较,可以对展平的图像执行相关:
cm = np.corrcoef(a1.flat, a2.flat)
cm
包含对称相关矩阵,其中非对角元素是相关系数。你能搞定吗
r = cm[0, 1]
编辑:
使用相关性比较图像时存在问题。如果其中任何一个完全平坦(所有像素值相同),则相关性未定义
如果图像是二进制的,您可以简单地计算相等像素的百分比:
agreement = np.sum(a == b) / a.size
图像的大小是否相同?是的,它们的大小将相同。@EvilTak图像的大小与图像中不相同的像素数的百分比差异相同?@EvilTak是的,因为corr2在Matlab中返回,这仍然适用于彩色图像吗?或者仅针对灰度或二进制?使用这种方法,您将获得所有图像通道的平均相关性。如果这就是定义彩色图像相关性的方式,那么它应该会起作用。