常州做网站软件,深圳百度网站排名优化,wordpress文章内容语音,小程序注册邮箱被占用为了使用余弦相似度来找到与样例图片相似的图片#xff0c;我们需要先进行一些预处理#xff0c;然后计算每两张图片之间的余弦相似度。以下是一个简单的实现#xff1a;
读取样例图片和目标文件夹中的所有图片。对每张图片进行预处理#xff0c;例如灰度化、降噪等。计算…为了使用余弦相似度来找到与样例图片相似的图片我们需要先进行一些预处理然后计算每两张图片之间的余弦相似度。以下是一个简单的实现
读取样例图片和目标文件夹中的所有图片。对每张图片进行预处理例如灰度化、降噪等。计算每张图片与样例图片的余弦相似度。找到与样例图片最相似的图片并复制到指定目录。
首先确保你已经安装了必要的库
pip install opencv-python numpy Pillow scikit-image以下是Python代码
import cv2
import numpy as np
from skimage import io, img_as_ubyte
from sklearn.metrics.pairwise import cosine_similarity
from PIL import Image
import os
import shutil # 图片路径和目标路径
sample_image_path 测试图片\\356-1703817660893.jpg
image_folder 未分类图片文件夹
output_folder 输出图片文件夹 # 读取样例图片
sample_image cv2.imread(sample_image_path, cv2.IMREAD_GRAYSCALE)
sample_image img_as_ubyte(sample_image) # 确保图片在0-255范围内
sample_image io.imread(sample_image) # 使用skimage读取确保是数组格式 # 读取目标文件夹中的所有图片并预处理
images []
for filename in os.listdir(image_folder): img cv2.imread(os.path.join(image_folder, filename), cv2.IMREAD_GRAYSCALE) img img_as_ubyte(img) # 确保图片在0-255范围内 img io.imread(img) # 使用skimage读取确保是数组格式 images.append(img) # 计算余弦相似度并找到最相似的图片
similarities []
for image in images: similarity cosine_similarity(sample_image.reshape(-1, 1), image.reshape(-1, 1))[0][0] similarities.append((similarity, image))
similarities.sort(keylambda x: x[0], reverseTrue) # 按相似度排序
most_similar_image similarities[0][1] # 最相似的图片 # 复制最相似的图片到指定目录
output_filename os.path.join(output_folder, most_similar_ os.path.basename(sample_image_path))
shutil.copyfile(os.path.join(image_folder, os.path.basename(sample_image_path)), output_filename) # 复制原样例图片到指定目录
shutil.copyfile(os.path.join(image_folder, os.path.basename(most_similar_image)), output_filename) # 复制最相似的图片到指定目录
注意这个代码假设所有的图片都已经以灰度格式存储并且大小相同。如果实际情况不是这样你可能需要进行一些额外的预处理步骤例如调整大小或转换为灰度。此外对于大型图片集计算余弦相似度可能会比较慢因此你可能需要使用更高效的相似度计算方法或优化代码。
