要编写查询以显示与图像相似的外观，可以使用计算机视觉和图像处理技术来比较图像之间的相似度。以下是一种解决方法的示例代码，使用Python和OpenCV库：

import cv2
import numpy as np

def compare_images(image1, image2):
    # 加载并转换图像为HSV颜色空间
    hsv1 = cv2.cvtColor(image1, cv2.COLOR_BGR2HSV)
    hsv2 = cv2.cvtColor(image2, cv2.COLOR_BGR2HSV)

    # 计算直方图
    hist1 = cv2.calcHist([hsv1], [0, 1], None, [180, 256], [0, 180, 0, 256])
    cv2.normalize(hist1, hist1, 0, 1, cv2.NORM_MINMAX)
    hist2 = cv2.calcHist([hsv2], [0, 1], None, [180, 256], [0, 180, 0, 256])
    cv2.normalize(hist2, hist2, 0, 1, cv2.NORM_MINMAX)

    # 计算直方图相似度
    similarity = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)

    return similarity

# 加载要比较的图像
image1 = cv2.imread('image1.jpg')
image2 = cv2.imread('image2.jpg')

# 比较图像相似度
similarity_score = compare_images(image1, image2)
print("图像相似度：", similarity_score)

在这个示例中，我们首先将图像转换为HSV颜色空间，然后使用calcHist函数计算图像的直方图。接下来，我们对直方图进行归一化处理，以确保比较结果不受图像尺度的影响。最后，我们使用compareHist函数计算两个直方图之间的相似度，这里使用的是相关性比较方法。相似度的值越接近1，表示图像越相似。

请注意，这只是一种基本的图像相似度比较方法，具体的实现取决于你的需求和使用的图像处理技术。您可能需要根据您的实际情况进行适当的修改和调整。