利用OpenCV和Python实现查找图片差异
使用OpenCV和Python查找图片差异
flyfish
方法1均方误差的算法（MeanSquaredError,MSE）
下面的一些表达与《TensorFlow-协方差矩阵》式子表达式一样的
拟合误差平方和（sumofsquarederrors）
residualsumofsquares(RSS),alsoknownasthesumofsquaredresiduals(SSR)orthesumofsquarederrorsofprediction(SSE),
alsoknownas就我们所说的
RSS，SSR，SSE表达的是一个意思
defmse(imageA,imageB):
#the'MeanSquaredError'betweenthetwoimagesisthe
#sumofthesquareddifferencebetweenthetwoimages;
#NOTE:thetwoimagesmusthavethesamedimension
err=np.sum((imageA.astype("float")-imageB.astype("float"))**2)
err/=float(imageA.shape[0]*imageA.shape[1])
#returntheMSE,thelowertheerror,themore"similar"
#thetwoimagesare
returnerr
方法2SSIM
structuralsimilarityindexmeasurement(SSIM)system
一种衡量两幅图像结构相似度的新指标，其值越大越好，最大为1。
新建一个Python文件，命名为image_diff.py
原文
ImageDifferencewithOpenCVandPython
原理
根据参数读取两张图片并转换为灰度：
使用SSIM计算两个图像之间的差异，这种方法已经在scikit-image库中实现
在两个图像之间的不同部分绘制矩形边界框。
代码如下已编译通过
fromskimage.measureimportcompare_ssim
#~importskimageasssim
importargparse
importimutils
importcv2
#constructtheargumentparseandparsethearguments
ap=argparse.ArgumentParser()
ap.add_argument("-f","--first",required=True,
help="firstinputimage")
ap.add_argument("-s","--second",required=True,
help="second")
args=vars(ap.parse_args())
#loadthetwoinputimages
imageA=cv2.imread(args["first"])
imageB=cv2.imread(args["second"])
'''
imageA=cv2.imread("E:\\1.png")
imageB=cv2.imread("E:\\2.png")
'''
#converttheimagestograyscale
grayA=cv2.cvtColor(imageA,cv2.COLOR_BGR2GRAY)
grayB=cv2.cvtColor(imageB,cv2.COLOR_BGR2GRAY)
#computetheStructuralSimilarityIndex(SSIM)betweenthetwo
#images,ensuringthatthedifferenceimageisreturned
#structuralsimilarityindexmeasurement(SSIM)system一种衡量两幅图像结构相似度的新指标，其值越大越好，最大为1。
(score,diff)=compare_ssim(grayA,grayB,full=True)
diff=(diff*255).astype("uint8")
print("SSIM:{}".format(score))
#thresholdthedifferenceimage,followedbyfindingcontoursto
#obtaintheregionsofthetwoinputimagesthatdiffer
thresh=cv2.threshold(diff,0,255,
cv2.THRESH_BINARY_INV|cv2.THRESH_OTSU)[1]
cnts=cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cnts=cnts[0]ifimutils.is_cv2()elsecnts[1]
#loopoverthecontours
forcincnts:
#computetheboundingboxofthecontourandthendrawthe
#boundingboxonbothinputimagestorepresentwherethetwo
#imagesdiffer
(x,y,w,h)=cv2.boundingRect(c)
cv2.rectangle(imageA,(x,y),(x+w,y+h),(0,0,255),2)
cv2.rectangle(imageB,(x,y),(x+w,y+h),(0,0,255),2)
#showtheoutputimages
cv2.imshow("Original",imageA)
cv2.imshow("Modified",imageB)
cv2.imshow("Diff",diff)
cv2.imshow("Thresh",thresh)
cv2.waitKey(0)
使用方法
pythonimage_diff.py–firstoriginal.png–secondimages/modified.png
如果不想使用参数将参数代码部分直接变成
imageA=cv2.imread(“E:\1.png”) imageB=cv2.imread(“E:\2.png”)
以上这篇利用OpenCV和Python实现查找图片差异就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。