用openCV和Python实现图片对比,并标识出不同点的方式_python提取图片内容进行比对 - CSDN文库

18 浏览量更新于2023-03-03 评论 3 收藏 141KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

用用openCV和和Python 实现图片对比实现图片对比,并标识出不同点的方式并标识出不同点的方式

今天小编就为大家分享一篇用openCV和Python 实现图片对比,并标识出不同点的方式，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

最近项目中需要实现两组图片对比，并能将两者的区别标识出来。

在网上搜索一大堆找到一篇大神的文章文章，最终实现该功能，在这里记录下：

想要实现此demo，首先我们得确保电脑上已安装 openCV 和 Python 两个工具以及scikit-image和imutils两个库：

安装方法，在这里不多说，我安装的是Python3.6 和openCV2，安装方法网上自行百度谷歌；

进入正题：进入正题：

新建一个新的Python文件并命名为copmarePicture.py，写入下面的代码：

from skimage.measure import compare_ssim

#~ import skimage as ssim

import argparse

import imutils

import cv2

加载两张图片并将他们转换为灰度：加载两张图片并将他们转换为灰度：

imageA = cv2.imread("D:/111test/111.png")

imageB = cv2.imread("D:/111test/444.png")

grayA = cv2.cvtColor(imageA,cv2.COLOR_BGR2GRAY)

grayB = cv2.cvtColor(imageB,cv2.COLOR_BGR2GRAY)

接下来，计算两个灰度图像之间的结构相似度指数：接下来，计算两个灰度图像之间的结构相似度指数：

(score,diff) = compare_ssim(grayA,grayB,full = True)

diff = (diff *255).astype("uint8")

print("SSIM:{}".format(score))

找到不同点的轮廓以致于我们可以在被标识为“不同”的区域周围放置矩形：

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] if imutils.is_cv2() else cnts[1]

找到一系列区域，在区域周围放置矩形：找到一系列区域，在区域周围放置矩形：

for c in cnts:

(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)

用cv2.imshow 展现最终对比之后的图片， cv2.imwrite 保存最终的结果图片

cv2.imshow("Modified",imageB)

cv2.imwrite("haha2.png",imageB)

cv2.waitKey(0)

到这已经实现两张图片的对比并标识出不同。结果如下所示：（图1图2对比，图3为对标结果

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余3页未读，立即下载

评论0

weixin_38633967

粉丝: 7
资源: 930

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈