Los sonidos de ciertos productos industriales (máquinas) contienen información importante sobre estos productos. La clasificación del producto o la detección de fallas pueden realizarse utilizando el sonido del producto. En este sentido, el sonido puede ser utilizado tal cual o puede ser mapeado a características o imágenes. Esto último permite la implementación de mejoras de rendimiento recientemente logradas con respecto al procesamiento de imágenes. En este documento, los sonidos de siete productos industriales son mapeados en mel-espectrogramas. Se investigan las similitudes de estas imágenes dentro de la misma clase (tipo de máquina) y entre clases, representando las similitudes intraclase e interclase, respectivamente. Se aplican tres medidas de similitud de imagen comúnmente utilizadas: distancia euclidiana (ED), el coeficiente de correlación de Pearson (PCC) y el índice de similitud estructural (SSIM). Estas medidas se comparan mutuamente para analizar sus comportamientos en un caso de uso particular. Según los resultados obtenidos, los mel-espectrogramas de cinco clases son similares, mientras que dos clases tienen propiedades únicas manifestadas en una similitud intraclase considerablemente mayor en comparación con la interclase. Las medidas de similitud de imagen aplicadas conducen a resultados generales similares mostrando las mismas tendencias principales, pero existen diferencias entre ellas en cuanto a la relación mutua de similitud entre clases. Las diferencias entre las imágenes son más difusas cuando se aplica el SSIM que al usar ED y el PCC.