基于Python OpenCV与Skimage的图像相似度计算结果异常问题咨询

• 目前使用的MSE、SSIM都属于逐像素对比指标，仅支持两张尺寸完全一致、空间对齐的图像做相似度计算。你的测试样本里的图2-图4都是原图的局部截图，若你提前把截图拉伸/填充到和原图相同尺寸再计算，会引入大量无关像素偏差，结果自然不符合预期。
• 你提到的「相似度越高评分越低」的问题，是MSE本身的特性：MSE数值越小代表像素差异越小、图像越相似，如果你需要「数值越高越相似」的评分，直接做指标转换即可。

场景1：后续对比的都是尺寸一致的对齐图像 #

如果你的使用场景中，会提前把需要对比的两张图裁剪、对齐到相同尺寸，只需要调整现有代码的参数和评分逻辑即可：

1. 调整SSIM计算参数，避免小尺寸图像计算异常：
   将代码中ssim(imageA, imageB)修改为ssim(imageA, imageB, win_size=3, channel_axis=None)
2. 把指标转换为百分制的正向评分（数值越高越相似）：

def calc_similarity_score(imageA, imageB):
    # 统一两张图尺寸
    if imageA.shape != imageB.shape:
        imageB = cv2.resize(imageB, (imageA.shape[1], imageA.shape[0]))
    ssim_score = ssim(imageA, imageB, win_size=3, channel_axis=None)
    # SSIM取值范围为[-1,1]，转换为0-100分
    return (ssim_score + 1) * 50

场景2：需要对比局部截图和完整原图的相似度 #

如果你的核心需求是判断某张截图是不是原图的局部、以及对应相似度，直接替换为OpenCV模板匹配方案即可，完全适配你的测试场景：

def calc_part_match_score(original_img, part_img):
    # 直接在原图中搜索和局部截图最匹配的区域
    match_result = cv2.matchTemplate(original_img, part_img, cv2.TM_CCOEFF_NORMED)
    min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(match_result)
    # 匹配度取值范围为[-1,1]，转换为0-100分
    return max_val * 100

使用该方法不需要提前调整局部截图的尺寸，直接传入原始截图和原图即可，计算出的分数就是局部截图和原图对应区域的真实相似度，符合你预期的评分逻辑。

内容的提问来源于stack exchange，提问作者ar809