1 SSIM（结构相似性度量）（Structural Similarity）

图片变换之后，度量失真图像（distorted image）的质量如何，需要对它进行图像质量评价（image quality assessment），这可以用作神经网络中的损失函数来度量生成图片的质量。

这是一种全参考的图像质量评价指标，分别从亮度、对比度、结构三个方面度量图像相似性。

在图像质量评估之中，局部求SSIM指数的效果要好于全局。在实际应用中，可以利用滑动窗将图像分块，令分块总数为N，考虑到窗口形状对分块的影响，采用高斯加权计算每一窗口的均值、方差以及协方差，然后计算对应块的结构相似度SSIM，最后将平均值作为两图像的结构相似性度量，即平均结构相似性SSIM。

参考

SSIM(structural similarity index)，结构相似性

---

2 余弦相似度

相比欧氏距离，余弦距离更加注重两个向量在方向上的差异，把图片表示成一个向量，通过计算向量之间的余弦距离来表征两张图片的相似度。
这里的向量可以理解为可以表示图片特征的一组特征码。

参考

图像基础7 图像分类——余弦相似度

---

3 直方图（入门级的图像相似度计算方法）

步骤：

1. 载入图像(灰度图或者彩色图)，并使其大小一致；
2. 若为彩色图，增进行颜色空间变换，从RGB转换到HSV，若为灰度图则无需变换；
3. 若为灰度图，直接计算其直方图，并进行直方图归一化；
4. 若为彩色图，则计算其彩色直方图，并进行彩色直方图归一化；
5. 使用相似度公式，如相关系数、卡方、相交或巴氏距离，计算出相似度值。

4 哈希算法

图像相似度中的Hash算法
相似度与距离算法种类总结