如何避免实验室数据管理不当引起的“图片重复”

import cv2
import os
from skimage.metrics import structural_similarity as ssim

def calculate_similarity(image_path1, image_path2):
    """
    使用 SSIM 计算两张图片的相似度。

    参数:
        image_path1 (str): 第一张图片的路径。
        image_path2 (str): 第二张图片的路径。

    返回:
        float: 两张图片的 SSIM 相似度指数（范围 -1 到 1）。
    """
    # 检查文件是否存在
    if not os.path.exists(image_path1):
        raise ValueError(f"未找到文件：{image_path1}")
    if not os.path.exists(image_path2):
        raise ValueError(f"未找到文件：{image_path2}")

    # 读取图片
    img1 = cv2.imread(image_path1, cv2.IMREAD_GRAYSCALE)
    img2 = cv2.imread(image_path2, cv2.IMREAD_GRAYSCALE)

    # 检查图片是否加载成功
    if img1 is None or img2 is None:
        raise ValueError("其中一张或两张图片路径无效，或图片无法加载。")

    # 如果图片尺寸不同，则调整大小
    if img1.shape != img2.shape:
        img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0]))

    # 计算 SSIM
    score, _ = ssim(img1, img2, full=True)
    return score


def get_images_from_folder(folder_path):
    """
    获取指定文件夹中的所有图片文件路径。

    参数:
        folder_path (str): 文件夹的路径。

    返回:
        list: 图片文件路径的列表。
    """
    valid_extensions = (".png", ".jpg", ".jpeg", ".bmp", ".tiff")  # 支持的图片格式
    return [
        os.path.join(folder_path, file)
        for file in os.listdir(folder_path)
        if file.lower().endswith(valid_extensions)
    ]


if __name__ == "__main__":
    # 输入文件夹路径
    folder_path = input("请输入图片所在文件夹路径：").strip()

    # 检查文件夹是否存在
    if not os.path.exists(folder_path):
        print(f"文件夹不存在：{folder_path}")
        exit(1)

    # 获取文件夹中的所有图片
    image_paths = get_images_from_folder(folder_path)

    # 检查是否有足够的图片
    if len(image_paths) < 2:
        print("文件夹中没有足够的图片进行比较（至少需要两张图片）。")
        exit(1)

    # 开始计算相似度
    print(f"检测到 {len(image_paths)} 张图片，开始相似度检测...\n")
    pair_index = 1
    results = []

    for i in range(len(image_paths)):
        for j in range(i + 1, len(image_paths)):  # 确保每张图片只与其后面的图片比较
            try:
                print(f"第 {pair_index} 对：")
                print(f"  图片 1: {image_paths[i]}")
                print(f"  图片 2: {image_paths[j]}")

                # 计算相似度
                similarity = calculate_similarity(image_paths[i], image_paths[j])
                print(f"  SSIM 相似度: {similarity:.4f}\n")

                # 保存结果
                results.append({
                    "pair": pair_index,
                    "image1": image_paths[i],
                    "image2": image_paths[j],
                    "similarity": similarity
                })

                pair_index += 1
            except Exception as e:
                print(f"  处理该对时出错：{e}\n")
                continue

    print("相似度检测完成。\n")

    # 打印总结
    print("结果汇总：")
    for result in results:
        print(f"第 {result['pair']} 对：")
        print(f"  图片 1: {result['image1']}")
        print(f"  图片 2: {result['image2']}")
        print(f"  SSIM 相似度: {result['similarity']:.4f}\n")

请输入图片所在文件夹路径：E:\XXXX\2024_12_24_graph_sim
检测到 4 张图片，开始相似度检测...

第 1 对：
  图片 1: E:\XXXX\2024_12_24_graph_sim\A.png
  图片 2: E:\XXXX\2024_12_24_graph_sim\A_rep.png
  SSIM 相似度: 1.0000

第 2 对：
  图片 1: E:\XXXX\2024_12_24_graph_sim\A.png
  图片 2: E:\XXXX\2024_12_24_graph_sim\B.png
  SSIM 相似度: 0.1058

第 3 对：
  图片 1: E:\XXXX\2024_12_24_graph_sim\A.png
  图片 2: E:\XXXX\2024_12_24_graph_sim\C.png
  SSIM 相似度: 0.5486

第 4 对：
  图片 1: E:\XXXX\2024_12_24_graph_sim\A_rep.png
  图片 2: E:\XXXX\2024_12_24_graph_sim\B.png
  SSIM 相似度: 0.1058

第 5 对：
  图片 1: E:\XXXX\2024_12_24_graph_sim\A_rep.png
  图片 2: E:\XXXX\2024_12_24_graph_sim\C.png
  SSIM 相似度: 0.5486

第 6 对：
  图片 1: E:\XXXX\2024_12_24_graph_sim\B.png
  图片 2: E:\XXXX\2024_12_24_graph_sim\C.png
  SSIM 相似度: 0.1325

相似度检测完成。