计算相似性的方法有很多啊，比如街区距离，cosine，皮尔逊相关。。。都可以试试

问题描述的其实不是太清楚。  如果是空域相似度计算你的话，除了你这种简单的把小块拉成向量，
1. 做Euclidean Distance（或L0、L2,、L2、cosine、Manhattan、Chebyshev、Minkowski、Mahalanobis、Correlation，Mutual Information）。 这里互相关和互信息计算效果会好些。
2. 在小块上提取比如特征描述(SIFT、SURF、LBP、彩色图像可提取多颜色通道）。图像块大可以提取小波等特征描述
3。。。。。。。。。。。。。。。。。

方法很多，比简单的Euclidean效果好很多。

这种一般看最终处理效果，你是发现欧式效果不好吗？
如果不好可以试试上述其他人说的各种距离定义，只不过做相关性或相似性度量时，值越大表示越“近”，欧式以及曼哈顿这类是值越大越远。如在matlab环境下这些距离度量应该都可直接调用。
规范化一下数据可能有些对量纲敏感的距离度量效果会好些。

lcs距离，最长公共子序列