作为项目的一部分，我正在尝试测量从图像中采样的 2 个纹理的相似程度。（我取了 2 个大约 40 x 40 像素的平方样本）。
采集样本后，我将它们传递给一组 Gabor 滤波器（具有 2 个滤波器大小和 6 个方向），因此现在每个样本都有 12 个滤波器输出。
目标是计算一个度量，告诉我们2 个纹理有多相似，这样如果 2 个样本是木头或砖块，度量分数很低（差异很小），但如果 1 个样本是岩石，另一个是织物那么度量应该很高（纹理非常不同）。
问题是：如何使用此输出测量纹理差异？ 有人建议我为每个样本创建一个输出分布，然后测量两个分布之间的距离，但我只是不知道该怎么做。
过滤器看起来像（不完全是）：
输出看起来像这样（我借用了这张图片作为示例）
编码纹理的基本方法是计算窗口上的直方图滤波器响应。然后使用直方图比较纹理。一个好的开始方法是查看Local Binary Patterns。
LBP 直方图的简化解释：输入图像中的每个像素都由其 3x3 邻域描述。邻域通过阈值转换为索引 [0,255]。然后索引识别直方图中的 bin。
我知道这是一个旧线程，但这个页面可能会帮助未来的访问者：https ://scikit-image.org/docs/dev/auto_examples/features_detection/plot_gabor.html
这是 Python 中的一个示例，它使用过滤后图像的均值和方差作为判别特征（请参阅函数“compute_feats”）。用于比较的指标只是最小二乘误差（请参阅函数“匹配”）。