图像匹配

在图像超分辨率任务中，要计算test result与原图的psnr等，需要result和原图按按顺序一一对应，即在原图文件夹中与在RESULT文件夹中，两幅图的名称相同。但经过神经网络得到的test resullt的图片顺序比较随机，因此需要对其重新排序命名。

该程序效果是把source_path中的图重命名为与result_path中的相同，并将其转移到trans_path中。使用的图像匹配算法为欧式距离。

# -*- coding: UTF-8 -*-    
import numpy as np
import cv2   
import os
from PIL import Image
 
source_path=r'./urban'#被改名
result_path=r'/res'#参照
trans_path=r'./diff'
source_files = os.listdir(source_path)
source_files.sort(key=lambda x: int(x.split('.')[0]))
result_files = os.listdir(result_path)
result_files.sort(key=lambda y: int(y.split('.')[0]))
 
for source_file in  source_files:
    MinDis = float('inf')
    source_img = Image.open((os.path.join(source_path,source_file)))
    x = np.asarray(source_img)
    for result_file in  result_files:
        result_img = Image.open((os.path.join(result_path,result_file)))
        y = np.asarray(result_img)
        if (x.shape[0]!=y.shape[0] or x.shape[1]!=y.shape[1]):
            continue
        EuDis = np.sqrt(np.sum(x - y)*(x - y))
        EuDist = sum(EuDis)
        EuDista = sum(EuDist)
        EuDistan = sum(EuDista)
#        print('EuDistan： '+ str(EuDistan))
#        print("shape: ")
#        print(EuDis.shape[0],EuDis.shape[1],EuDis.shape[2])  
        if (EuDistan < MinDis):
            MinDis = EuDistan
            number = int(result_file.split('.')[0])
#    print('最小欧拉距离: '+ str(MinDis))
    os.rename(os.path.join(source_path,source_file),os.path.join(trans_path,"%d.png" %number))

需要注意的是，该程序准确率并非100% 。