要比较两个包含文本的相似图像，可以使用以下解决方法：

1. 使用OCR技术提取文本：首先，使用OCR（Optical Character Recognition）技术将图像中的文本提取出来，并将其转换为可处理的文本数据。可以使用开源OCR库，如Tesseract，或者使用云端OCR API服务。

2. 比较文本相似度：一旦提取出文本，可以使用文本相似度算法比较两个文本的相似程度。常用的文本相似度算法包括余弦相似度、编辑距离等。可以使用Python NLTK库或者字符串匹配算法库，如Levenshtein库，来实现这些算法。

3. 比较图像相似度：除了比较文本相似度，还可以比较图像相似度。可以使用图像相似度算法，如结构相似性算法（SSIM）、均方误差（MSE）等来比较两个图像的相似程度。可以使用Python的OpenCV库来实现这些算法。

4. 综合比较：最后，可以综合考虑文本相似度和图像相似度来比较两个包含文本的相似图像。可以根据具体需求，给予不同的权重，然后使用加权平均或其他方法来计算综合相似度。

以下是一个使用Python实现上述解决方法的示例代码：

import cv2
import pytesseract
import nltk
import Levenshtein

def compare_text_similarity(text1, text2):
    # 使用编辑距离比较文本相似度
    similarity = Levenshtein.distance(text1, text2)
    return similarity

def compare_image_similarity(image1, image2):
    # 使用均方误差比较图像相似度
    mse = ((image1.astype("float") - image2.astype("float")) ** 2).mean()
    similarity = mse
    return similarity

def compare_text_image_similarity(image1, image2):
    # 使用OCR提取文本
    text1 = pytesseract.image_to_string(image1)
    text2 = pytesseract.image_to_string(image2)
    
    # 比较文本相似度
    text_similarity = compare_text_similarity(text1, text2)
    
    # 比较图像相似度
    image_similarity = compare_image_similarity(image1, image2)
    
    # 综合比较
    similarity = 0.5 * text_similarity + 0.5 * image_similarity
    
    return similarity

# 读取图像
image1 = cv2.imread("image1.jpg")
image2 = cv2.imread("image2.jpg")

# 比较相似度
similarity = compare_text_image_similarity(image1, image2)

print("相似度：", similarity)

请注意，以上代码仅提供了一种简单的方法来比较两个包含文本的相似图像。具体的实现方式可能会因实际需求而有所不同。