opencv找出两幅图的不同

时间: 2023-09-29 22:09:51 浏览: 41
要找出两幅图的不同,可以按照以下步骤进行操作: 1. 使用OpenCV中的cv2.absdiff()函数计算两幅图像的差异图。 2. 对差异图进行二值化处理,将差异值大于一个阈值的像素设置为255,其余像素设置为0。 3. 对二值化图像进行形态学操作,可以使用cv2.erode()和cv2.dilate()函数,以去除噪声和填充空洞。 4. 使用cv2.findContours()函数找到差异图中的轮廓。 5. 绘制轮廓并显示结果。 具体实现可以参考以下代码: ``` python import cv2 import numpy as np # 读取两幅图像 img1 = cv2.imread('image1.jpg') img2 = cv2.imread('image2.jpg') # 计算两幅图像的差异 diff = cv2.absdiff(img1, img2) # 将差异图像转换为灰度图像 gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY) # 对差异图像进行二值化处理 ret, thresh = cv2.threshold(gray, 30, 255, cv2.THRESH_BINARY) # 进行形态学操作 kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) thresh = cv2.erode(thresh, kernel, iterations=1) thresh = cv2.dilate(thresh, kernel, iterations=1) # 查找轮廓 contours, hierarchy = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 绘制轮廓 result = img2.copy() cv2.drawContours(result, contours, -1, (0, 0, 255), 2) # 显示结果 cv2.imshow('result', result) cv2.waitKey(0) cv2.destroyAllWindows() ``` 在代码中,我们将两幅图像的差异计算出来,并对差异图像进行了二值化和形态学操作,最后使用cv2.findContours()函数找到轮廓并将其绘制在第二幅图像上。

相关推荐

最新推荐

recommend-type

opencv帧差法找出相差大的图像

主要为大家详细介绍了opencv帧差法找出相差大的图像,包含访问mat的像素值,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

C#中OpenCvSharp 通过特征点匹配图片的方法

主要介绍了OpenCvSharp 通过特征点匹配图片的方法,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
recommend-type

使用python opencv对目录下图片进行去重的方法

今天小编就为大家分享一篇使用python opencv对目录下图片进行去重的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

OPENCV批量读取图片实现方法

下面小编就为大家带来一篇OPENCV批量读取图片实现方法。小编觉得挺不错的。现在就分享给大家,也给大家做个参考。一起跟随小编过来看看吧
recommend-type

python opencv 图像拼接的实现方法

高级图像拼接也叫作基于特征匹配的图像拼接,拼接时消去两幅图像相同的部分,实现拼接合成全景图。这篇文章主要介绍了python opencv 图像拼接,需要的朋友可以参考下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。