❶ 图片相似度比较如何实现，有编程基础。
进口媒体
：DEF red_average（图）：
'''返回一个整数，表示平均红色的图片。
'''
总= 0 像素PIC：
总额=总media.get_red（像素），
red_average = /（总media.get_width（ PIC）* media.get_height（PIC））
返回red_average
：DEF green_average（图）：
'''返回一个整数，表示平均绿色图片
'''
总= 0
像素PIC：
总额=总media.get_green（像素），
green_average = /（总media. （PIC）get_width * media.get_height（PIC））
返回green_average
：DEF blue_average（图）：
'''返回一个整数，表示平均蓝色的画面
'''
总= 0像素PIC：
总额=总media.get_blue（像素）
blue_average = /（ （PIC）media.get_width * media.get_height（图））
返回blue_average
：DEF scale_red（PIC值）：
'''返回图片的平均的红色是已设置的值。
'''
平均= red_average（PIC）
系数=持股量（值）/平均
像素的头像：
255 new_red =分钟（INT（因素* media.get_red（像素）））
media.set_red（像素，new_red）
返回PIC
：DEF scale_green（PIC值）：
'''传回的图片，绿色的平均价值已设置。
'''
平均= green_average（PIC）
系数=持股量（值）/平均
像素的头像：
255 new_green =分钟（INT（因素* media.get_green（像素）））
media.set_green（像素，new_green）
返回图片
：DEF scale_blue（PIC值）：
'''返回平均的蓝值已设置的图片。
'''
平均= blue_average（PIC）
系数=持股量（值）/平均：
new_blue =分钟（255，INT（系数* media.get_blue（像素）））
media.set_blue（像素，new_blue）
返回PIC
：DEF expand_height（PIC，因子）：
'''返回newpicture已经设置的因素，已被垂直拉伸。
'''
new_width = pic.get_width（）
new_height = pic.get_height（）*因子，
newpic = media.create_pic（new_width，new_height，media.black） BR />为像素在PIC：
= media.get_x（像素）
Y = media.get_y（像素）
newpixel = media.get_pixel（newpic，X，Y *因子）
newpixel在newpic：
new_red = media.get_red（像素）
new_green = media.get_green（像素），
new_blue = media.get_blue（像素）
媒体。set_red（newpixel，new_red）
media.set_green（newpixel，new_green）
media.set_blue（newpixel，new_blue）
返回newpic
：DEF expand_width（PIC因子）：
'''水平已经捉襟见肘的因素已设置返回newpicture的。 '''
new_width = pic.get_width（）*因子
new_height =头像。 get_height（）
newpic = media.create_pic（new_width，new_height media.black）
newpixel中newpic的：
所述= media.get_x（newpixel）
为y =媒体。 get_y（newpixel）
像素= media.get_pixel（PIC，X /因素，Y），
new_red = media.get_red（像素），
new_green = media.get_green（像素）
new_blue = media.get_blue（像素）
media.set_red（newpixel，new_red）
media.set_green（newpixel，new_green）
media.set_blue（newpixel，new_blue）
返回newpic
：DEF rece_height（PIC，因子）：
'''返回一个新的PIC已垂直压缩因子已设置'''
＃创建一个新的，全黑的图片与相应的新高度和
＃旧的宽度（所有颜色分量均为零）。
new_width = pic.get_width new_height =（pic.get_height（） - 1）/因子+ 1，
newpic = media.create_pic（new_width，new_height media.black）
＃遍历原（大）图像中的所有像素，并复制
＃每个像素的颜色成分的部分成正确
＃在较小的图像的像素位置。
像素在PIC：
＃寻找新的PIC中的相应像素。
= media.get_x中国（像素）
Y = media.get_y（像素）
newpixel = media.get_pixel（newpic，X，Y /因子）
＃添加适当的分数
＃新的PIC的组件中的相应像素，这个像素的颜色分量。 ，
new_red = newpixel.get_red（）+像素。 get_red（）/因素
new_green = newpixel.get_green（）（）+ pixel.get_green /因素
new_blue = newpixel.get_blue（）（）+ pixel.get_blue，/ fctor
媒体。 set_red（newpixel，new_red）media.set_green（newpixel，new_green）
media.set_blue（newpixel，new_blue）
返回newpic
：DEF rece_width（PIC，因子）：
'''返回已newpic水平压缩的因素已设置。 '''
new_width =（media.get_width（） - 1）/因子+ 1
new_height = media.get_height（），
newpic = media.create_pic（new_width，new_height media.black）像素PIC：
所述=（像素media.get_x）
Y = media.get_y（像素）
new_pixel = media.get_pixel（newpic X /因子，Y）
new_red = newpixel.get_red（）（）+ pixel.get_red /因素
new_green = newpixel.get_green（）（）+ pixel.get /因素
new_blue = （newpixel.get_blue）+ pixel.get（）/因素
media.set_red（newpixel，new_red）
media.set_green（newpixel，new_green）
media.set_blue（newpixel，new_blue） BR />返回newpic
高清的距离（pixel1，pixel2）：：
红1 = media.get_red（pixel1）
绿色1 = media.get_green（pixel1）
BLUE1 = media.get_blue（pixel1）
red2的media.get_red（pixel2）
green2 = media.get_green（pixel2）
blue2 = media.get_blue（pixel2）
总和= ABS （红1 red2的）+ ABS（绿色1 - green2）+ ABS（BLUE1 - blu2）
返回总和
高清simple_difference（图片1 PIC2）：
像素图片1：
= media.get_x中国（像素）
=（像素media.get_y） pixel2 = media.get_pixel（PIC2，X，Y）
总和= media.distance（像素，pixel2）
高清smart_difference（图片1 PIC2）：
高度1 = media.get_height（图片1）
身高2 = media.get_height（PIC2）
factorh =浮动（高度1 /身高）
如果factorh> = 1：
高度1 = media.rece_height（图片1 factorh）
其他：
身高2 =媒体。 rece_height（1 / factorh PIC2）
宽度1 = media.get_width（图片1）
宽度2 = media.get_width（PIC2）
factorw =浮动（WIDTH1 /宽度2）如果factorw> = 1：
宽度1 = rece_width（图片1 factorw）
其他：
宽度2 = rece_width（PIC2，1 / factorw的）
红1 = （图片1）red_average
绿色1 = green_average（图片1）
BLUE1 = blue_average（图片1）
red2的= media.scale_red的（PIC2，红1）
green2 = media.scale_green（PIC2，绿色1）
blue2 = media.scale_blue（PIC2，BLUE1）
＃如果__name__的=='__main__'：
：＃media.show（newpic）
❷ 如何使用python计算两张图片的相似度
图片在计算机里都是三维数组，你可以转化为比较这两个数组的相似度，方法就比较多了
❸ 图片的相似度的C代码还有么
你的这种方法有点难啊，建议你采取下面方法：
背景建模，前景提取，把人抠出来；
直接进行行人检测，如使用HOG特征！
❹ 使用Python 制作对比图片相似度的程序
import media
def red_average(pic):
'''Return an integer that represents the average red of the picture.
'''
total=0
for pixel in pic:
total = total + media.get_red(pixel)
red_average = total / (media.get_width(pic)*media.get_height(pic))
return red_average
def green_average(pic):
'''Return an integer that represents the average green of the picture
'''
total = 0
for pixel in pic:
total = total + media.get_green(pixel)
green_average = total / (media.get_width(pic)*media.get_height(pic))
return green_average
def blue_average(pic):
'''Return an integer that represents the average blue of the picture
'''
total = 0
for pixel in pic:
total = total + media.get_blue(pixel)
blue_average = total / (media.get_width(pic)*media.get_height(pic))
return blue_average
def scale_red(pic, value):
'''Return the picture that the average of the red is value which has been set.
'''
averaged = red_average(pic)
factor = float(value) / averaged
for pixel in pic:
new_red = min(255, int(factor * media.get_red(pixel)))
media.set_red(pixel,new_red)
return pic
def scale_green(pic, value):
'''Return the picture that the average of the green is value which has been set.
'''
averaged = green_average(pic)
factor = float(value) / averaged
for pixel in pic:
new_green = min(255, int(factor * media.get_green(pixel)))
media.set_green(pixel,new_green)
return pic
def scale_blue(pic, value):
'''Return the picture that the average of the blue is value which has been set.
'''
averaged = blue_average(pic)
factor = float(value) / averaged
for pixel in pic:
new_blue = min(255, int(factor * media.get_blue(pixel)))
media.set_blue(pixel,new_blue)
return pic
def expand_height(pic, factor):
'''Return a newpicture that has been vertically stretched by the factor which has been set.
'''
new_width = pic.get_width()
new_height = pic.get_height()*factor
newpic = media.create_pic(new_width, new_height, media.black)
for pixel in pic:
x = media.get_x(pixel)
y = media.get_y(pixel)
newpixel = media.get_pixel(newpic, x, y*factor)
for newpixel in newpic:
new_red = media.get_red(pixel)
new_green = media.get_green(pixel)
new_blue = media.get_blue(pixel)
media.set_red(newpixel,new_red)
media.set_green(newpixel,new_green)
media.set_blue(newpixel,new_blue)
return newpic
def expand_width(pic,factor):
'''Return a newpicture that has been horizontally stretched by the factor which has been set.
'''
new_width = pic.get_width() * factor
new_height = pic.get_height()
newpic = media.create_pic(new_width,new_height,media.black)
for newpixel in newpic:
x = media.get_x(newpixel)
y = media.get_y(newpixel)
pixel = media.get_pixel(pic,x / factor, y)
new_red = media.get_red(pixel)
new_green = media.get_green(pixel)
new_blue = media.get_blue(pixel)
media.set_red(newpixel,new_red)
media.set_green(newpixel,new_green)
media.set_blue(newpixel,new_blue)
return newpic
def rece_height(pic, factor):
'''return a new pic that has been compressed vertically by the factor which has been set
'''
# Create a new, all-black pic with the appropriate new height and
# old width; (all colour components are zero).
new_width = pic.get_width
new_height = (pic.get_height() - 1) / factor + 1
newpic = media.create_pic(new_width, new_height, media.black)
# Iterate through all the pixels in the original (large) image, and
# a portion of each pixel's colour components into the correct
# pixel position in the smaller image.
for pixel in pic:
# Find the corresponding pixel in the new pic.
x = media.get_x(pixel)
y = media.get_y(pixel)
newpixel = media.get_pixel(newpic, x, y / factor)
# Add the appropriate fraction of this pixel's colour components
# to the components of the corresponding pixel in the new pic.
new_red = newpixel.get_red()+pixel.get_red()/factor
new_green = newpixel.get_green()+pixel.get_green()/factor
new_blue = newpixel.get_blue()+pixel.get_blue()/fctor
media.set_red(newpixel,new_red)
media.set_green(newpixel,new_green)
media.set_blue(newpixel,new_blue)
return newpic
def rece_width(pic,factor):
'''Return a newpic that has been horizontally compressed by the factor which has been set.
'''
new_width = (media.get_width() - 1) / factor + 1
new_height = media.get_height()
newpic = media.create_pic(new_width, new_height, media.black)
for pixel in pic:
x = media.get_x(pixel)
y = media.get_y(pixel)
new_pixel = media.get_pixel(newpic, x / factor, y)
new_red = newpixel.get_red() + pixel.get_red() / factor
new_green = newpixel.get_green() + pixel.get() / factor
new_blue = newpixel.get_blue() + pixel.get()/factor
media.set_red(newpixel, new_red)
media.set_green(newpixel, new_green)
media.set_blue(newpixel, new_blue)
return newpic
def distance(pixel1, pixel2):
red1 = media.get_red(pixel1)
green1 = media.get_green(pixel1)
blue1 = media.get_blue(pixel1)
red2 = media.get_red(pixel2)
green2 = media.get_green(pixel2)
blue2 = media.get_blue(pixel2)
sum = abs(red1 -red2) + abs(green1 - green2) + abs(blue1 - blu2)
return sum
def simple_difference(pic1, pic2):
for pixel in pic1:
x = media.get_x(pixel)
y = media.get_y(pixel)
pixel2 = media.get_pixel(pic2, x, y)
sum = media.distance(pixel, pixel2)
return sum
def smart_difference(pic1,pic2):
height1 = media.get_height(pic1)
height2 = media.get_height(pic2)
factorh = float(height1 / height2)
if factorh >= 1:
height1 = media.rece_height(pic1, factorh)
else:
height2 = media.rece_height(pic2, 1 / factorh)
width1 = media.get_width(pic1)
width2 = media.get_width(pic2)
factorw = float(width1 / width2)
if factorw >= 1:
width1 = rece_width(pic1, factorw)
else:
width2 = rece_width(pic2, 1 / factorw)
red1 = red_average(pic1)
green1 = green_average(pic1)
blue1 = blue_average(pic1)
red2 = media.scale_red(pic2, red1)
green2 = media.scale_green(pic2, green1)
blue2 = media.scale_blue(pic2, blue1)
#if __name__ == '__main__':
#media.show(newpic)
❺ 按键精灵 脚本找多个同样的图依次点击
Hwnd=Plugin.Window.MousePoint()
Arr=Split(Plugin.Window.GetWindowRect(Hwnd),"|")
Do
Call找多图(Arr(0),Arr(1),Arr(2),Arr(3),"Attachment:1.bmp",1.0)
Loop
Function找多图(起点X,起点Y,终点X,终点Y,图片,相似度)
Dimtx,ty,tx1,ty1
找到的坐标=""
tx=起点X:ty=起点Y:tx1=终点X:ty1=终点Y
Do
FindPictx,ty,tx1,ty1,图片,相似度,intX,intY
IfintX>0andintY>0Then
找到的坐标=找到的坐标&intX&","&intY&"|"
MoveTointX,intY
Delay100
LeftClick1
Delay100
tx=intX+5
ty=intY
Else
ty=ty+5
tx=起点X
IfintX=-1andintY=-1Then
FindPictx,ty,tx1,ty1,图片,相似度,intX,intY
IfintX>0andintY>0Then
找到的坐标=找到的坐标&intX&","&intY&"|"
MoveTointX,intY
Delay100
LeftClick1
Delay100
tx=intX+5
ty=intY
Else
ExitDo
EndIf
EndIf
Endif
Loop
EndFunction
❻ 如何用Python计算上几百张图片之间的相似度
把图片表示成向量，二维拉成一维
每个维度非零即一，然后比较两个向量的汉明距离就能反向代表相似度
❼ 使用Python 制作对比图片相似度的程序怎么比较
就是给出以下几个function的def 越多越好：
1、 red_average(Picture) 算出pic众pixels的平均红值 。
2、scale_red(Picture, int) 调整图片红值 并确保其不超过255 。
3、expand_width(Picture, int) 。
4、rece_width(Picture, int) 放大和缩小宽值 都是乘或者除的 ，distance(Pixel, Pixel) 以红蓝绿值为标准 计算两个pixel之间的距离(类似于xyz坐标轴中两点距离)。
5、simple_difference(Picture,Picture) 简单计算两张图片有多相似 不必考虑长宽。
6、smart_difference(Picture,Picture) 这个方程的步骤需为: 判断图片大小 。如必要 乘除高度 。 如必要 乘除宽度。 调整图片颜色使之相同平均红蓝绿值 。
❽ 求 c/c++ 做比较两张图片相似度的代码
循环 for [i , j]
{
读出图片A 一点（像素）的 RGB 数值。
计算出灰度 YA[j][i] = 0.3*R + 0.59*G + 0.11*B
读出图片B 一点（像素）的 RGB 数值。
计算出灰度 YB[j][i] = 0.3*R + 0.59*G + 0.11*B
计算 一点 的 相似系数,
例如 灰度差除以两点平均灰度：
fabs(YA[j][i]-YB[j][i]) / ((YA[j][i]+YB[j][i])/2.0) -- 数值越小越相似
}
有了所有点的相似系数，做统计算，例如，把相似系数分20档，
计算落入各档的像素点的个数--就是概率啦。
画 概率分布图 和 累加 概率分布图。
当然，你可以设 累加 概率等于 几的地方 为 相似度 判据。