Gdyby nie ta historia z wodą
No dobrze, oto mój numer telefonu, urządzajcie się, a ja muszę lecieć, bo jutro w nocy mam samolot, wyjeżdżam na wakacje mówiła w biegu Katarzyna Wojciechowska, właścicielka mieszkania, które właśnie wynajęła Alicji. Jeśli coś, dzwońcie. Do widzenia.
Dobrze, do widzenia odpowiedziała trochę zdezorientowana Alicja, wciąż trzymając w ręce umowę i pełnomocnictwo do współpracy z administracją, tak na wszelki wypadek.
Rzutka i spostrzegawcza ta gospodyni, a w zasadzie tacy powinni być wszyscy pomyślała Alicja.
Podobało jej się to wynajęte mieszkanie w nowym budynku, a widok z okna był po prostu przepiękny: las nieopodal i mała rzeczka, która nawet zimą nie zamarzała. Dlaczego? Nikt nie wiedział. Niektórzy żartowali, że płynie w niej płyn niezamarzający.
Półtora tygodnia mieszkała już Alicja w nowym lokum, wracała z pracy po zmroku, na dworze panowała zima. Sąsiadka z naprzeciwka, Wanda Stanisławska, najmilejs# Image Similarity
This project is a simple image similarity detector using Python. It uses the OpenCV library to compare two images and determine how similar they are. The comparison is done using the Structural Similarity Index (SSIM) and Mean Squared Error (MSE) methods.
## Prerequisites
Before you begin, ensure you have met the following requirements:
– You have installed Python 3.6 or later.
– You have installed the required Python packages: `opencv-python`, `scikit-image`, `matplotlib`, `numpy`.
You can install the required packages using pip:
“`bash
pip install opencv-python scikit-image matplotlib numpy
“`
## Usage
To use this project, follow these steps:
1. Clone the repository or download the script to your local machine.
2. Place the images you want to compare in the same directory as the script.
3. Modify the script to point to your images. Change the following lines:
“`python
original = cv2.imread(“original.png”)
contrast = cv2.imread(“contrast.png”)
“`
Replace `”original.png”` and `”contrast.png”` with the paths to your images.
4. Run the script:
“`bash
python image_similarity.py
“`
The script will display the original and contrast images, their difference, and print the SSIM and MSE scores. The SSIM score is a value between -1 and 1, where 1 indicates perfect similarity. The MSE score is a non-negative value, where 0 indicates perfect similarity.
## Understanding the Output
The script outputs two main metrics:
1. **Mean Squared Error (MSE)**: The lower the value, the more similar the images are.
2. **Structural Similarity Index (SSIM)**: The closer to 1, the more similar the images are.
The script also displays three images:
1. The first image you provided (`original`).
2. The second image you provided (`contrast`).
3. A difference image highlighting the differences between the two images.
## Example
Here’s an example of how the output might look:
“`plaintext
SSIM: 0.9983, MSE: 0.0000
“`
This output indicates that the two images are almost identical.
## Contributing
Contributions are welcome! Please feel free to submit a pull request or open an issue if you find a bug or have a feature request.
## License
This project is open source, under the MIT License.
## Contact
If you have any questions, feel free to reach out.
Happy coding!
