因此，我正在尝试对不同的图像进行比较，想知道是否有人可以为我指明正确的方向，以便我可以对图像组采取一些基本指标。
假设我有两张图片，A 和 B，我非常想要关于每张图片的尽可能多的数据，以便以后可以通过编程方式比较它们。诸如“一般颜色”、“一般形状”之类的东西会很棒。
如果你能帮我找到特定的属性和算法来计算它们，那就太好了!
谢谢!
编辑:这里的最终目标是能够让计算机告诉我图片有多“相似”。如果两张图片相同，但有人模糊了一张脸；他们应该注册为非常相似。如果两张图片完全不同，计算机应该能够分辨出来。
最佳答案
您所说的内容非常笼统且不具体。
图像信息形式化为Entropy .
您似乎要寻找的基本上是特征提取，然后比较这些特征。可以提取大量特征，但根据图片的不同，其中很多可能是无关紧要的。
还有空间域和frequency domain descriptors图像的每一个在这里都是有用的。我可能可以说出 100 多个描述符，但在您的情况下，只有一个就足够了，或者一个都没有用。
预处理也很重要，也许你可以把你的图像变成灰度然后比较它们。
这个领域非常多样化，因此您需要更加具体一些。
(更新)
您正在寻找的是数百甚至数千篇科学文章的主题。但是好吧，也许一种简单的方法可以奏效。
所以假设这里的问题是不识别对象并且不涉及变换、平移、缩放或旋转，我们只处理两个图像相同，但可以添加更多噪音:
1)图像域(空间域):逐个比较像素，将差的平方相加。通过宽度*高度标准化此值 - 只需除以像素数。这可能是一种有用的相似性度量。
2) 频域:将图像转换为频域图像(在 OpenCV 等图像处理工具中使用 FTT)，也将是 2D。像上面一样做上面的平方差异，但也许你想限制频率。然后按像素数归一化。这在噪音和平移以及小旋转方面表现更好，但在规模上表现不佳。
关于algorithm - 计算机科学理论 : Image Similarity，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4800003/