Python与机器视觉(x)图像差分-图像相减

本系列博客主要分享Python在机器视觉/计算机视觉下的编程应用
cv2包是著名的视觉库OpenCV的Python实现

在求峰值信噪比PSNR时,我们需要求取目标图像和实际图像之间的误差。
err = abs(imgsrc-imgobj)
opencv 提供了一个便捷的函数cv2.absdiff来获取误差。

import cv2
import numpy as np

img = cv2.imread('img.jpg')
imgd = cv2.resize(img,(img.shape[1]/4,img.shape[0]/4))    #先下采样4倍再上采样恢复图像
imgu = cv2.resize(imgd,(img.shape[1],img.shape[0]))

err = cv2.absdiff(img,imgu)     #差值的绝对值

cv2.imshow('img',img)
cv2.imshow('imgd',imgd)
cv2.imshow('imgu',imgu)
cv2.imshow('err',err)
cv2.waitKey()
cv2.destroyAllWindows()

我们可以用matplotlib来显示一下结果

import matplotlib.pyplot as plt
fig = plt.figure('result')
plt.axis('off')  #关闭坐标轴

plt.subplot(2,2,1)     #将窗口分为两行两列四个子图,则可显示四幅图片
plt.title('imgsrc')   #第一幅图片标题
plt.imshow(img)  

plt.subplot(2,2,2)     
plt.title('imgdownsample')   
plt.imshow(imgd)  

plt.subplot(2,2,3)     
plt.title('imgupsampling')   
plt.imshow(imgu)  

plt.subplot(2,2,4)     
plt.title('imgerr')   
plt.imshow(err)

fig.tight_layout()#调整整体空白
plt.subplots_adjust(wspace =0)#调整子图间距
plt.show()   #显示  

Python与机器视觉(x)图像差分-图像相减_第1张图片

需要注意的是,如果使用图像矩阵直接相减再求绝对值,会得到错误的结果:

```python
import cv2
import numpy as np

img = cv2.imread('img.jpg')
imgd = cv2.resize(img,(img.shape[1]/4,img.shape[0]/4))    #先下采样4倍再上采样恢复图像
imgu = cv2.resize(imgd,(img.shape[1],img.shape[0]))

err = cv2.absdiff(img,imgu)     #差值的绝对值
err1 = np.abs(img - imgu)               #差值
errdiff =err-err1

print(err1.mean())
#>>> 108.2134    #两种方法计算的误差不一样!!!!

这主要是由于图像中的元素为numpy.array,其数据类型为uint8,无符号导致负数不能够正确表示
type(err1[0,0,0])>>>numpy.uint8

为了解决这个问题,需要在读入数据的时候对图像进行数据类型转换:

import cv2
import numpy as np

img = cv2.imread('img.jpg').astype(np.int16)
'''
np.float32变为np.int32/int16也可以,
int32可以保存-2147483648~214748364
int16可以保存-32768~32767,
int16类似于CV_16SC1
int32类似于CV_32SC1'''

imgd = cv2.resize(img,(img.shape[1]/4,img.shape[0]/4))    #先下采样4倍再上采样恢复图像
imgu = cv2.resize(imgd,(img.shape[1],img.shape[0]))

err = cv2.absdiff(img,imgu)     #差值的绝对值
err1 = np.abs(img - imgu)               #差值
errdiff =err-err1

print(errdiff.mean())
#>>>0.0     #这时结果就相同了

要求取两幅图像差值,建议使用cv2.absdiff(img1,img2)
Python与机器视觉(x)图像差分-图像相减_第2张图片
pic from pexels.com


ref:
datatype:http://blog.sina.com.cn/s/blog_662c7859010105za.html
datatype:https://blog.csdn.net/liu13364876993/article/details/83538095
abs sign:https://blog.csdn.net/u012494876/article/details/80629474
img:https://www.pexels.com/photo/black-chimpanzee-smiling-50582/
matplot write:https://blog.csdn.net/GAN_player/article/details/78543643
https://blog.csdn.net/jifaley/article/details/79687000
http://www.cnblogs.com/nju2014/p/5620776.html
cmap:
https://matplotlib.org/users/colormaps.html
https://matplotlib.org/xkcd/examples/color/colormaps_reference.html TODO
http://pyhogs.github.io/colormap-examples.html
psnr:
http://www.cnblogs.com/tiandsp/archive/2012/11/14/2770462.html
https://blog.csdn.net/szfhy/article/details/49615833

你可能感兴趣的:(视觉,python,计算机视觉)