ML之Cosin：基于输入图片RGB均值化转为单向vector利用Cosin(余弦相似度)算法进行判别
ML之Cosin：基于输入图片RGB均值化转为单向vector利用Cosin(余弦相似度)算法进行判别
目录
相关文章
ML之相似度计算：图像数据、字符串数据等计算相似度常用的十种方法简介、代码实现
ML之Hash_EditDistance&Hash_HammingDistance&Hog_HanMing&Cosin&SSIM：基于输入图片利用多种算法进行判别CV之Hog+HamMingDistance：基于Hog提取和汉明距离对比的应用—图像相似度对比之for循环将多个成对图片依次对比并输出相似度
ML之Hash_EditDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法进行判别
ML之Hash_HamMingDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法进行判别
ML之Hog_HammingDistance：基于Hog特征提取“RGB”图像的768个值的单向vector利用汉明距离算法进行判别
ML之Cosin：基于输入图片RGB均值化转为单向vector利用Cosin(余弦相似度)算法进行判别
ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别
输出结果
代码实现
- def Cosin(self, img_pat1, img_pat2):
- image1 = Image.open(img_pat1)
- image2 = Image.open(img_pat2)
-
- image1 = self.get_thum(image1)
- image2 = self.get_thum(image2)
- image1_array = np.array(image1)
- images = [image1, image2]
- vectors = []
- norms = []
- for image in images:
- vector = []
- for pixel_tuple in image.getdata():
- vector.append(average(pixel_tuple))
- vectors.append(vector)
- norms.append(linalg.norm(vector, 2))
- vectors_array=np.array(vectors)
- a, b = vectors
- a_array=np.array(a)
- a_norm, b_norm = norms
- res = dot(a / a_norm, b / b_norm)
- return res
网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。
赞同 0
评论 0 条
- 上周热门
- 如何使用 StarRocks 管理和优化数据湖中的数据？ 2950
- 【软件正版化】软件正版化工作要点 2872
- 统信UOS试玩黑神话：悟空 2833
- 信刻光盘安全隔离与信息交换系统 2728
- 镜舟科技与中启乘数科技达成战略合作，共筑数据服务新生态 1261
- grub引导程序无法找到指定设备和分区 1226
- 华为全联接大会2024丨软通动力分论坛精彩议程抢先看！ 165
- 2024海洋能源产业融合发展论坛暨博览会同期活动-海洋能源与数字化智能化论坛成功举办 163
- 点击报名 | 京东2025校招进校行程预告 163
- 华为纯血鸿蒙正式版9月底见！但Mate 70的内情还得接着挖... 158
- 本周热议
- 我的信创开放社区兼职赚钱历程 40
- 今天你签到了吗？ 27
- 如何玩转信创开放社区—从小白进阶到专家 15
- 信创开放社区邀请他人注册的具体步骤如下 15
- 方德桌面操作系统 14
- 用抖音玩法闯信创开放社区——用平台宣传企业产品服务 13
- 我有15积分有什么用? 13
- 如何让你先人一步获得悬赏问题信息？（创作者必看） 12
- 2024中国信创产业发展大会暨中国信息科技创新与应用博览会 9
- 中央国家机关政府采购中心：应当将CPU、操作系统符合安全可靠测评要求纳入采购需求 8
热门标签更多
