两个矩阵之间的余弦相似度答案

【问题标题】：cosine similarity between two matrices两个矩阵之间的余弦相似度
【发布时间】：2020-10-28 23:38:02
【问题描述】：

我有两个 256x256 的数组，其中的信息有两个不同的单位（一个以米为单位，另一个以度为单位）当我用颜色图绘制它们时，图像看起来很相似，但我知道信息它们内部在大小和单位上都完全不同。因为图像看起来像，所以我想计算它们彼此相似程度的百分比。（我知道这样说很含糊，但我愿意接受如何比较它们的想法）

到目前为止，我在两个矩阵之间使用scikitlearncosine_similarity 函数，但我无法理解生成的矩阵的含义。

哪个值代表相似性？有没有更好的方法来分析这两个图像？（附图片）

import numpy as np
import matplotlib.pyplot as plt
from sklearn import metrics


matrix_A=dataA #256x256 matrix 
matrix_B=dataB #256x256 matrix

sim_AB=metrics.pairwise.cosine_similarity(A,B) #Similarity matrix
plt.imshow(sim_AB)

【问题讨论】：

这个问题类似于比较不同亮度的相同图像。看看我在以下问题的答案中描述的方法：stackoverflow.com/questions/62704531/…

标签： python image-processing matrix cosine-similarity

【解决方案1】：

我相信cosine_similarity 将矩阵视为列上的特征和行上的样本（或相反）。所以这就像你有 256 个特征和 256 个样本（每个），结果是特征之间的比较。也许scipy 的correlate2d 是您要找的？这将计算两个图像之间的相关性。相关性越高，它们越相似。或者，您可以定义一些度量并计算距离，例如<(A-B)^2>，但如果单位不同，这将不太有意义。

【讨论】：