我正在尝试使用 Python 2.6 和 PIL 计算两个图像的相似度（阅读：Levenshtein distance）。
我计划使用python-levenshtein库进行快速比较。
主要问题：
比较图像的好策略是什么？我的想法是这样的：
- 转换为 RGB（透明 -> 白色）（或者可能转换为单色？）
- 将较小的放大到较大的尺寸
- 将每个通道（= 唯一通道，如果转换为单色）转换为序列（项目值 = 像素的颜色值）
- 计算两个序列之间的 Levenshtein 距离
当然，这不会处理镜像图像、裁剪图像等情况。但是对于基本比较，这应该很有用。
是否有更好的策略记录在某处？
编辑： Aaron H 在速度问题上是对的。对于大于几百乘几百像素的图像，计算 Levelshtein 大约需要永远。但是，在我的示例中，缩小到 100x100 和 200x200 后的结果之间的差异小于 1%，因此将最大图像尺寸设置为 ~100px 左右可能是明智之举......
编辑：谢谢 PreludeAndFugue，这个问题就是我要找的。
顺便说一句，Levenshtein 距离似乎可以优化，但它给了我一些非常糟糕的结果，可能是因为背景中有很多冗余元素。必须看看其他一些算法。
EIDT：均方根偏差和峰值信噪比似乎是另外两个不太难实现的选项，而且看起来 CPU 开销也不是很大。但是，似乎我需要某种上下文分析来识别形状等。
无论如何，感谢所有链接，也感谢您指出 NumPy/SciPy 的方向。