砖墙上的两个补丁，得分134（这是平均绝对像素差的分量之和）：
一小块砖墙，一小块草，得分123！
对人类来说，“显然”草与砖不匹配，但是此度量标准则相反。问题只在于局部统计差异。
如果我使用直方图比较之类的方法，我将完全失去所有空间信息-例如如果补丁的顶部是草，底部是砖，则它与底部有草，顶部是砖的补丁完全匹配（同样，另一个“明显错误”的匹配）。
是否存在一种度量标准，可以将上述两种思想组合成一个合理的值，对于上述对1来说，该值将被评估为“相似”，但对于我的补丁及其垂直镜面示例，该度量值却不相似？
任何建议都值得赞赏！
#1 楼
基本思想是：颜色信息没有错-仅仅是不够的。因此，最好的办法是组合多个功能集。您可以尝试多种功能来解决这种歧义。就功能集而言，您可以使用以下内容：
颜色（类似于MPEG7的主要颜色）或颜色历史图过滤器库响应）或
边缘直方图
作为主要比较，我首先要区分纯砖块与纯草块。为此，颜色绝对是最有潜力的元素。
组合功能以进行更稳健的分类
我将使用一种主导色（使用但不是唯一一种）或关键色来形成群集。看看簇头在哪里；
如果簇头都在预期区域内，则该类别通常很容易检测，如果它们落入灰色区域，则该类别属于该类别。如果它落在灰色区域，则需要另一个功能。
同样，您可以使用纹理矩阵独立进行分类，然后将两个分数合并以确保结果有意义。
解决空间问题
特别是当您意识到补丁可以包含一半砖块和一半草的一部分时。我认为您不需要任何其他功能或不同的矩阵。这可以通过两种方式处理。
1。将多个成员身份修补程序保留为不同的类。
例如，除了
birck-only类和grass-only类之外，您还可以将half-brick-half-grass-vertical和half-brick-half-grass-horizontal总共分为四个类。使用我们前面讨论的聚类方法可以很容易地对它进行分类。 2。添加多尺度分类
例如，假设补丁位于灰色区域，则可以将补丁分为两个部分，即左与右。同样，您也可以划分顶部和底部。现在，您可以对此“半部分”应用相同的分类。理想情况下，上面列出的功能应允许您使其具有可伸缩性，以比较整个零件之间的功能相似性（例如，主色可以相同，而与大小无关），或者可能需要调整其大小。
添加更多的类（如第1部分）或更多的级别（如第2部分）将是直接的；上限由两个因素决定-任何额外的除法将不再为分类增加任何值，或者过多的噪声将有效地在分类中引入歧义。这是您停止的地方。
#2 楼
首先，2张图像和3个测量值不足以确定任何可以用来定义最佳比较指标的统计模型。我认为您可以开始查看纹理识别纸的方法和线索。这是一个活跃的领域。
我花了几个感知哈希函数（基于DCT和随机投影）进行测试，并对所谓的SIFT描述符进行了一些试验。这些功能可以分隔类间和类内的距离，尽管从3张图像中无法得出任何结论。
评论
取分量的总和时，会松散色彩空间中的所有“空间”信息。分别评估分量，例如，计算两个向量上的欧几里得距离？