python 读取两个文件夹中的图像并进行性质差异分析，一个文件路径是D:\zzz\us2，另一个文件路径是D:\zzz\na2，不用greycomatrix和greycoprops，使用opencv，两种图像的文件类型都是jpg,两种图像都有84张，图片形状都不同，图像名称是随机的，需要将图像归一化，需要对比两种图像的特征必须有颜色，纹理，形状，差异性分析方法也需要多种，包括完整详细最新的代码

以下是读取两个文件夹中图像并进行性质差异分析的Python代码，使用了OpenCV库和scikit-image库。

import cv2
from skimage import feature
import numpy as np
import os

# 定义函数，提取图像的颜色、纹理和形状特征
def extract_features(image):
    # 提取颜色特征，计算每个通道的平均值和标准差
    mean, std = cv2.meanStdDev(image)
    mean = np.transpose(mean)
    std = np.transpose(std)
    color_features = np.concatenate((mean, std), axis=1).flatten()

    # 提取纹理特征，计算LBP特征直方图
    lbp = feature.local_binary_pattern(cv2.cvtColor(image, cv2.COLOR_BGR2GRAY), 8, 1)
    (hist, _) = np.histogram(lbp.ravel(), bins=np.arange(0, 11), range=(0, 10))
    hist = hist.astype("float")
    hist /= (hist.sum() + 1e-7)
    texture_features = hist.flatten()

    # 提取形状特征，计算Hu矩
    moments = cv2.moments(cv2.cvtColor(image, cv2.COLOR_BGR2GRAY))
    hu_moments = cv2.HuMoments(moments).flatten()
    shape_features = hu_moments

    return np.concatenate((color_features, texture_features, shape_features))

# 定义函数，归一化图像
def normalize_image(image):
    return cv2.normalize(image, None, 0, 255, cv2.NORM_MINMAX)

# 定义函数，读取文件夹中的图像并提取特征
def read_images(folder):
    features = []
    for filename in os.listdir(folder):
        if filename.endswith(".jpg"):
            image_path = os.path.join(folder, filename)
            image = cv2.imread(image_path)
            image = normalize_image(image)
            feature_vector = extract_features(image)
            features.append(feature_vector)
    return np.array(features)

# 读取两个文件夹中的图像并提取特征
us2_features = read_images("D:/zzz/us2")
na2_features = read_images("D:/zzz/na2")

# 计算两种图像的特征差异性
color_diff = np.abs(np.mean(us2_features[:, :6], axis=0) - np.mean(na2_features[:, :6], axis=0))
texture_diff = np.abs(np.mean(us2_features[:, 6:16], axis=0) - np.mean(na2_features[:, 6:16], axis=0))
shape_diff = np.abs(np.mean(us2_features[:, 16:], axis=0) - np.mean(na2_features[:, 16:], axis=0))

# 输出特征差异性
print("Color difference:", color_diff)
print("Texture difference:", texture_diff)
print("Shape difference:", shape_diff)

该代码首先定义了三个函数，分别用于提取颜色、纹理和形状特征。其中，颜色特征包括每个通道的平均值和标准差，纹理特征采用LBP特征直方图，形状特征采用Hu矩。然后，定义了一个归一化图像的函数，将图像的像素值归一化到0-255之间。最后，定义了一个读取文件夹中图像并提取特征的函数，该函数返回一个特征向量矩阵。使用这个函数读取两个文件夹中的图像并提取特征，得到两个特征矩阵。最后，计算两种图像的特征差异性，分别输出颜色、纹理和形状特征的差异性。