使用opencv找到两幅图片的不同并用矩形标出

好的，这里是使用OpenCV和Python的一种解决方案：

1. 加载两幅图片：

import cv2

img1 = cv2.imread('image1.png')
img2 = cv2.imread('image2.png')

2. 将两幅图片转换为灰度图像：

gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

3. 计算两幅灰度图像的差异：

diff = cv2.absdiff(gray1, gray2)

4. 对差异图像进行二值化处理：

_, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)

这里使用阈值30将像素值分为两类：小于30的像素被设为0，大于等于30的像素被设为255。

5. 对二值化后的图像进行形态学处理，以消除噪声：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

这里使用一个5x5的矩形结构元素进行闭形态学操作，将图像中的小孔和黑色小斑点填充。

6. 在差异图像中找到轮廓：

contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

这里使用了cv2.findContours函数来找到二值化图像中的所有轮廓，RETR_EXTERNAL参数表示只检测外部轮廓，CHAIN_APPROX_SIMPLE表示压缩水平、垂直和对角线方向的像素，只保留端点。

7. 在原始图像上用矩形标出差异区域：

for c in contours:
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(img1, (x,y), (x+w,y+h), (0,0,255), 2)

对于每一个轮廓，使用cv2.boundingRect函数计算出最小的外接矩形，然后在原始图像上用红色矩形框标出。

完整代码如下：

import cv2

img1 = cv2.imread('image1.png')
img2 = cv2.imread('image2.png')

gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

diff = cv2.absdiff(gray1, gray2)

_, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5,5))
closed = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel)

contours, _ = cv2.findContours(closed, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for c in contours:
    x,y,w,h = cv2.boundingRect(c)
    cv2.rectangle(img1, (x,y), (x+w,y+h), (0,0,255), 2)

cv2.imshow('diff', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

注意，这种方法只适用于两幅图片中只有一个区域不同的情况。如果有多个不同的区域，或者两幅图片中的物体发生了旋转、缩放等变换，这种方法可能会失效。