要比较两幅图像的RGB颜色分布是否几乎相同，可以使用直方图来表示颜色分布，并计算直方图的相似度。

下面是一个使用Python的示例代码，使用OpenCV库来计算两幅图像的RGB直方图并比较它们的相似度：

import cv2
import numpy as np

def compare_rgb_histograms(image1, image2):
    # 将图像转换为RGB格式
    image1_rgb = cv2.cvtColor(image1, cv2.COLOR_BGR2RGB)
    image2_rgb = cv2.cvtColor(image2, cv2.COLOR_BGR2RGB)
    
    # 计算图像1的RGB直方图
    hist1_r = cv2.calcHist([image1_rgb], [0], None, [256], [0, 256])
    hist1_g = cv2.calcHist([image1_rgb], [1], None, [256], [0, 256])
    hist1_b = cv2.calcHist([image1_rgb], [2], None, [256], [0, 256])
    
    # 计算图像2的RGB直方图
    hist2_r = cv2.calcHist([image2_rgb], [0], None, [256], [0, 256])
    hist2_g = cv2.calcHist([image2_rgb], [1], None, [256], [0, 256])
    hist2_b = cv2.calcHist([image2_rgb], [2], None, [256], [0, 256])
    
    # 计算直方图的相似度（使用巴氏距离）
    similarity_r = cv2.compareHist(hist1_r, hist2_r, cv2.HISTCMP_BHATTACHARYYA)
    similarity_g = cv2.compareHist(hist1_g, hist2_g, cv2.HISTCMP_BHATTACHARYYA)
    similarity_b = cv2.compareHist(hist1_b, hist2_b, cv2.HISTCMP_BHATTACHARYYA)
    
    # 计算总体相似度
    similarity = (similarity_r + similarity_g + similarity_b) / 3.0
    
    return similarity

# 读取两幅图像
image1 = cv2.imread('image1.jpg')
image2 = cv2.imread('image2.jpg')

# 比较图像的RGB颜色分布相似度
similarity = compare_rgb_histograms(image1, image2)
print('相似度：', similarity)

在上述代码中，我们首先将两幅图像转换为RGB格式，然后使用cv2.calcHist()函数计算每个通道（红、绿、蓝）的直方图。接下来，使用cv2.compareHist()函数计算每个通道直方图的巴氏距离，最后计算总体相似度作为RGB颜色分布的相似度。

请确保将image1.jpg和image2.jpg替换为实际图像的文件名，并确保安装了OpenCV库。