python 图片对比区域_图片对比 基于OpenCV和Python的 图像比对

原文链接图片对比 基于OpenCV和Python的 图像比对 - 热分享​hotdog29.com

图片对比 基于OpenCV和Python的 图像比对

在之前的博客文章中，我详细介绍了如何使用结构相似性指数(SSIM)将两个图像用Python进行比较。

使用 图片对比，我们能够轻松确定两个图像是否相同或由于轻微的图像处理，压缩伪像或有目的的篡改而产生差异。

今天我们将扩展SSIM方法，以便我们可以使用OpenCV和Python可视化图像之间的差异。具体来说，我们将在两个不同的输入图像中的区域周围绘制边界框。

要了解有关使用Python和OpenCV计算和可视化图像差异 图片对比 的更多信息，请继续阅读。

寻找这篇文章的源代码？

跳到下载部分。

基于 OpenCV 和 Python 的 图像差异 计算

为了计算两个图像之间的差异，我们将利用结构相似性指数，由Wang等人首先介绍。在2004年的论文中，scikit-image 库中实现以进行图像处理。

诀窍是学习如何根据(x，y) –坐标位置精确确定图像差异的位置。

为此，我们首先需要确保我们的系统具有Python，OpenCV，scikit-image和imutils。

您可以使用我的OpenCV安装教程学习如何在系统上配置和安装Python和OpenCV 。

如果您还没有 scikit-image 请通过以下方式 安装/升级

$ pip install --upgrade scikit-image当你在这里时，继续安装/升级 imutils

$ pip install --upgrade imutils现在我们的系统已经准备好了先决条件，让我们继续。

计算 图像差异

你能发现这两个图像之间的区别吗？

图1：手动检查两个输入图像(源)之间的差异。

如果您花一秒钟研究这两张信用卡，您会注意到MasterCard徽标出现在 左侧图像上，但已从右侧图像中删除 。

您可能已经立即注意到这种差异，或者可能已经花了几秒钟。无论哪种方式，这都证明了比较图像差异的一个重要方面 – 有时图像差异是微妙的 –如此微妙以至于肉眼难以立即理解差异(我们将在本博文后面看到这样一个图像的例子)。

那么为什么计算图像差异如此重要呢？

一个例子是 网络钓鱼。攻击者可以稍微操纵图像，以欺骗不验证URL的毫无戒心的用户，使他们认为他们正在登录他们的银行网站 – 后来发现这是一个骗局。

将网页上的徽标和已知用户界面(UI)元素与现有数据集进行比较有助于减少网络钓鱼攻击(非常感谢Chris Cleveland传递

第2-5行显示我们的进口。我们将使用 compare_ssim (来自scikit-image)， argparse ，imutils 和 cv2 (OpenCV)。

我们建立两个命令行参数， – first 和 – second ，它们是我们希望比较的两个相应输入图像的路径(第8-13行)。

接下来，我们将从磁盘加载每个图像并将其转换为灰度

我们载入我们的第一和第二图像， – –first 和 – –second ，在 16和17，它们 分别 存储为 imageA 和 imageB 。

图2：我们将要应用图像差异的两个输入图像。

然后我们在第20行和第21行将每个转换为灰度。

图3：将两个输入图像转换为灰度。

接下来，让我们计算两个灰度图像之间的结构相似性指数(SSIM)。

使用 scikit-image中的 compare_ssim函数，我们计算 score 得分 和差异图像 diff (第25行)。

所述 得分 表示两个输入图像之间的结构相似性指数。该值可以落在[-1,1]范围内 ，值为1是“完美匹配”。

该 差异 的图像包含实际 图像的差异 ，我们希望以可视化的两个输入图像之间差异。差异图像当前表示为[0,1]范围内的浮点数据类型， 因此我们首先将数组转换为[0,255](第26行)范围内的8位无符号整数， 然后我们才能进一步 使用 openCV处理它

现在，让我们找到轮廓，以便我们可以在标识为“不同”的区域周围放置矩形

在 第31行和第32行，我们 使用 cv2.THRESH_BINARY_INV 和 cv2.THRESH_OTSU 对我们的差异图像进行 阈值 处理。 – 使用垂直条’或’符号 l 同时应用这两个设置 。有关Otsu双峰阈值设置的详细信息，请参阅此OpenCV文档。

随后我们 在 第33-35行找到了thresh的轮廓 。第35行的三元运算符 简单地适应了各种版本的OpenCV中cv2.findContours返回签名之间的差异。

下面图4中的图像清楚地显示了已被操纵的图像的ROI：

图4：使用阈值处理使用OpenCV和Python突出显示图像差异。

现在我们将轮廓存储在列表中，让我们在每个图像的不同区域周围绘制矩形

从第38行开始 ，我们遍历我们的轮廓， cnts 。首先，我们使用 cv2.boundingRect 计算轮廓周围的边界框 。我们将相关的 (x，y )坐标存储为 x 和 y 以及矩形的宽度/高度为 w 和 h 。

然后我们使用这些值在每个图像上用 cv2.rectangle 绘制一个红色矩形 。 (第43和44行)。

最后显示比较图像(第47-50行)。

用 cv2.waitKey 进行键盘监听 在50行，直到按下一个键，脚本将退出。

图5：使用Python和OpenCV可视化图像差异。

接下来，让我们运行脚本并可视化一些图像差异。

可视化图像差异

使用此脚本和以下命令，我们可以快速轻松地突出显示两个图像之间的差异

$ python image_diff.py --first images/original_02.png --second images/modified_02.png

正如您在图6中看到的那样，安全芯片和帐户持有者的名称都被删除了：

图6：使用计算机视觉(源)比较和可视化图像差异。

让我们尝试另一个计算图像差异的例子，这次是由杰拉尔德·R·福特总统(来源)撰写的支票。

通过运行下面的命令并提供相关图像，我们可以看到这里的差异更加微妙

$ python image_diff.py --first images/original_03.png --second images/modified_03.png

图7：计算图像差异并突出显示不同的区域。

请注意图7中的以下更改：贝蒂福特的名字被删除了。

支票号码已删除。

日期旁边的符号将被删除。

姓氏已删除。

在像检查这样的复杂图像上，通常很难用肉眼找到 所有差异。幸运的是，我们现在可以使用Python，OpenCV和scikit-image制作的这个方便的脚本轻松计算差异并可视化结果。

摘要

在今天的博客文章中，我们学习了如何使用OpenCV，Python和scikit-image的结构相似性指数(SSIM)来计算图像差异。基于图像差异，我们还学习了如何在两个图像中标记和可视化不同区域。

要了解有关SSIM的更多信息，请务必参阅此文章和 scikit-image文档。

我希望你喜欢今天的博文！

源代码下载源代码 下载 - 热分享​hotdog29.com

原文链接图片对比 基于OpenCV和Python的 图像比对 - 热分享​hotdog29.com

文章转自 Adrian Rosebrock ，OpenCV Face Recognition，PyImageSearch，https://www.pyimagesearch.com/Image Difference with OpenCV and Python/,2009年7月27日访问

相关文章