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

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。