python图片裁剪对比_python——几种截图对比方式！

# -*- coding: utf-8 -*-

'''

用途：利用python实现多种方法来实现图像识别

author:SYW

'''import cv2

import numpyasnpfrom matplotlib import pyplot asplt

# 最简单的以灰度直方图作为相似比较的实现

def classify_gray_hist(image1,image2,size= (256,256)):

# 先计算直方图

# 几个参数必须用方括号括起来

# 这里直接用灰度图计算直方图，所以是使用第一个通道，

# 也可以进行通道分离后，得到多个通道的直方图

# bins 取为16

image1=cv2.resize(image1,size)

image2=cv2.resize(image2,size)

hist1= cv2.calcHist([image1],[0],None,[256],[0.0,255.0])

hist2= cv2.calcHist([image2],[0],None,[256],[0.0,255.0])

# 可以比较下直方图

plt.plot(range(256),hist1,'r')

plt.plot(range(256),hist2,'b')

plt.show()

# 计算直方图的重合度

degree= 0

for i inrange(len(hist1)):if hist1[i] !=hist2[i]:

degree= degree + (1 - abs(hist1[i]-hist2[i])/max(hist1[i],hist2[i]))else:

degree= degree + 1degree= degree/len(hist1)returndegree

# 计算单通道的直方图的相似值

def calculate(image1,image2):

hist1= cv2.calcHist([image1],[0],None,[256],[0.0,255.0])

hist2= cv2.calcHist([image2],[0],None,[256],[0.0,255.0])

# 计算直方图的重合度

degree= 0

for i inrange(len(hist1)):if hist1[i] !=hist2[i]:

degree= degree + (1 - abs(hist1[i]-hist2[i])/max(hist1[i],hist2[i]))else:

degree= degree + 1degree= degree/len(hist1)returndegree

# 通过得到每个通道的直方图来计算相似度

def classify_hist_with_split(image1,image2,size= (256,256)):

# 将图像resize后，分离为三个通道，再计算每个通道的相似值

image1=cv2.resize(image1,size)

image2=cv2.resize(image2,size)

sub_image1=cv2.split(image1)

sub_image2=cv2.split(image2)

sub_data= 0

for im1,im2 inzip(sub_image1,sub_image2):

sub_data+=calculate(im1,im2)

sub_data= sub_data/3

returnsub_data

# 平均哈希算法计算

def classify_aHash(image1,image2):

image1= cv2.resize(image1,(8,8)) #cv2.resize(源，目标，变换方法),将图片变换成想要的尺寸

image2= cv2.resize(image2,(8,8))

gray1= cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY) #cv2.cvtColor(input_image,flag)实现图片颜色空间的转换，flag 参数决定变换类型。如 BGR->Gray flag 就可以设置为 cv2.COLOR_BGR2GRAY 。

gray2=cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY)

hash1=getHash(gray1)

hash2=getHash(gray2)returnHamming_distance(hash1,hash2)

def classify_pHash(image1,image2):

image1= cv2.resize(image1,(32,32))

image2= cv2.resize(image2,(32,32))

gray1=cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY)

gray2=cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY)

# 将灰度图转为浮点型，再进行dct变换

dct1=cv2.dct(np.float32(gray1))

dct2=cv2.dct(np.float32(gray2))

# 取左上角的8*8，这些代表图片的最低频率

# 这个操作等价于c++中利用opencv实现的掩码操作

# 在python中进行掩码操作，可以直接这样取出图像矩阵的某一部分

dct1_roi= dct1[0:8,0:8]

dct2_roi= dct2[0:8,0:8]

hash1=getHash(dct1_roi)

hash2=getHash(dct2_roi)returnHamming_distance(hash1,hash2)

#输入灰度图，返回hash

def getHash(image):

avreage=np.mean(image) #np.mean()求取均值

hash=[]for i in range(image.shape[0]):for j in range(image.shape[1]):if image[i,j] >avreage:

hash.append(1)else:

hash.append(0)returnhash

# 计算汉明距离

def Hamming_distance(hash1,hash2):

num= 0

for index inrange(len(hash1)):if hash1[index] !=hash2[index]:

num+= 1

returnnum #返回值越小，图片相似度越高if __name__ == '__main__':

img1= cv2.imread('E:\\p1\\1.png',cv2.IMREAD_COLOR) #读入图片，共2个参数，第一个参数为要读入的图片文件名，第二个参数为如何读取图片，包括cv2.IMREAD_COLOR读入一幅彩色图片,cv2.IMREAD_UNCHANGED读入一幅彩色图片，并包括alpha通道，cv2.IMREAD_GRAYSCALE已灰度模式读入图片

img2= cv2.imread('E:\\p2\\2.png',cv2.IMREAD_COLOR)

c_img1= img1[200:400, 500:800] #截取图片的某一部分

c_img2= img2[200:400, 500:800] #syw,[200:400]控制的是高度，[500:800]控制的是长度，500代表的是x1，800代表的是x2

cv2.imshow('img1',c_img1) #创建一个窗口显示图片，共2个参数，第一个参数为”窗口显示图片的标题“可以创建多个窗口，但每个窗口都不能重名，第二个参数为读入的图片

cv2.imshow('img2',c_img2)

#degree=classify_gray_hist(img1,img2)

#degree=classify_hist_with_split(img1,img2)

#degree=classify_pHash(img1,img2) #syw

#degree=classify_pHash(c_img1,c_img2)

degree=classify_aHash(c_img1,c_img2)

print degreeif degree == 0 or degree <10:

print"pass"

else:

print"fail"cv2.waitKey(0) #键盘绑定函数。共一个函数，表示等待毫秒数，将等待特定的几毫秒，看键盘是否有输入，返回值是ASCII值，如果其参数为0，则表示无限期的等待键盘输入

cv2.destroyAllWindows() #删除建立的全部窗口

#cv2.destroyWindows(): #删除指定的窗口