像素对比两张图片相似度是否一样
方法一:
#!C:/Python27
#coding=utf-8import pytesseract
from pytesser import *
from PIL import Image,ImageEnhance,ImageFilter
import os
import fnmatch
import re,timeimport urllib, random#import hashlib def getGray(image_file):tmpls=[]for h in range(0, image_file.size[1]):#hfor w in range(0, image_file.size[0]):#wtmpls.append( image_file.getpixel((w,h)) )return tmplsdef getAvg(ls):#获取平均灰度值return sum(ls)/len(ls)def getMH(a,b):#比较100个字符有几个字符相同dist = 0;for i in range(0,len(a)):if a[i]==b[i]:dist=dist+1return distdef getImgHash(fne):image_file = Image.open(fne) # 打开image_file=image_file.resize((12, 12))#重置图片大小我12px X 12pximage_file=image_file.convert("L")#转256灰度图Grayls=getGray(image_file)#灰度集合avg=getAvg(Grayls)#灰度平均值bitls=''#接收获取0或1#除去变宽1px遍历像素for h in range(1, image_file.size[1]-1):#hfor w in range(1, image_file.size[0]-1):#wif image_file.getpixel((w,h))>=avg:#像素的值比较平均值 大于记为1 小于记为0bitls=bitls+'1'else:bitls=bitls+'0'return bitls
''' m2 = hashlib.md5() m2.update(bitls)print m2.hexdigest(),bitlsreturn m2.hexdigest()
'''a=getImgHash(".//testpic//001n.bmp")#图片地址自行替换
files = os.listdir(".//testpic")#图片文件夹地址自行替换
for file in files:b=getImgHash(".//testpic//"+str(file))compare=getMH(a,b)print file,u'相似度',str(compare)+'%'
方法二
#!C:/Python27
#coding=utf-8# 原作者发布在GitHub上的一些列图片对比的方法。有兴趣研究的可以访问链接如下:
# https://github.com/MashiMaroLjc/Learn-to-identify-similar-images
# coding : utf-8
from PIL import Imagedef calculate(image1, image2):g = image1.histogram()s = image2.histogram()assert len(g) == len(s), "error"data = []for index in range(0, len(g)):if g[index] != s[index]:data.append(1 - abs(g[index] - s[index]) / max(g[index], s[index]))else:data.append(1)return sum(data) / len(g)def split_image(image, part_size):pw, ph = part_sizew, h = image.sizesub_image_list = []assert w % pw == h % ph == 0, "error"for i in range(0, w, pw):for j in range(0, h, ph):sub_image = image.crop((i, j, i + pw, j + ph)).copy()sub_image_list.append(sub_image)return sub_image_listdef classfiy_histogram_with_split(image1, image2, size=(256, 256), part_size=(64, 64)):''''image1' 和 'image2' 都是Image 对象.可以通过'Image.open(path)'进行创建。'size' 重新将 image 对象的尺寸进行重置,默认大小为256 * 256 .'part_size' 定义了分割图片的大小.默认大小为64*64 .返回值是 'image1' 和 'image2'对比后的相似度,相似度越高,图片越接近,达到100.0说明图片完全相同。'''img1 = image1.resize(size).convert("RGB")sub_image1 = split_image(img1, part_size)img2 = image2.resize(size).convert("RGB")sub_image2 = split_image(img2, part_size)sub_data = 0for im1, im2 in zip(sub_image1, sub_image2):sub_data += calculate(im1, im2)x = size[0] / part_size[0]y = size[1] / part_size[1]pre = round((sub_data / (x * y)), 6)print u"相似度为:",(pre * 100)return pre * 100if __name__ == '__main__':image1 = Image.open(".//testpic//new.png")image2 = Image.open(".//testpic//new.png")classfiy_histogram_with_split(image1, image2)
方法三: 需要安装第三方包 ,针对window用户,切换到python安装目录下的script目录下,按住shift+右键,在此处打开cmd命令窗口
输入命令:pip install requests 来安装request 模块,其他模块也一样
pip install numpy
pip install matplotlib
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
import cv2
from math import log
from PIL import Image
import datetime
import pywt # 以下强行用Python宏定义变量
halfWindowSize=9
src1_path = './/testpic//new.png'
src2_path = './/testpic//new.png' '''''
来自敬忠良,肖刚,李振华《图像融合——理论与分析》P85:基于像素清晰度的融合规则
1,用Laplace金字塔或者是小波变换,将图像分解成高频部分和低频部分两个图像矩阵
2,以某个像素点为中心开窗,该像素点的清晰度定义为窗口所有点((高频/低频)**2).sum()
3,目前感觉主要的问题在于低频
4,高频取清晰度图像中较大的那个图的高频图像像素点
5,算法优化后速度由原来的2min.44s.变成9s.305ms.
补充:书上建议开窗大小10*10,DWT取3层,Laplace金字塔取2层
''' def imgOpen(img_src1,img_src2): apple=Image.open(img_src1).convert('L') orange=Image.open(img_src2).convert('L') appleArray=np.array(apple) orangeArray=np.array(orange) return appleArray,orangeArray # 严格的变换尺寸
def _sameSize(img_std,img_cvt): x,y=img_std.shape pic_cvt=Image.fromarray(img_cvt) pic_cvt.resize((x,y)) return np.array(pic_cvt) # 小波变换的层数不能太高,Image模块的resize不能变换太小的矩阵,不相同大小的矩阵在计算对比度时会数组越界
def getWaveImg(apple,orange): appleWave=pywt.wavedec2(apple,'haar',level=4) orangeWave=pywt.wavedec2(orange,'haar',level=4) lowApple=appleWave[0];lowOrange=orangeWave[0] # 以下处理低频 lowAppleWeight,lowOrangeWeight = getVarianceWeight(lowApple,lowOrange) lowFusion = lowAppleWeight*lowApple + lowOrangeWeight*lowOrange # 以下处理高频 for hi in range(1,5): waveRec=[] for highApple,highOrange in zip(appleWave[hi],orangeWave[hi]): highFusion = np.zeros(highApple.shape) contrastApple = getContrastImg(lowApple,highApple) contrastOrange = getContrastImg(lowOrange,highOrange) row,col = highApple.shape for i in xrange(row): for j in xrange(col): if contrastApple[i,j] > contrastOrange[i,j]: highFusion[i,j] = highApple[i,j] else: highFusion[i,j] = highOrange[i,j] waveRec.append(highFusion) recwave=(lowFusion,tuple(waveRec)) lowFusion=pywt.idwt2(recwave,'haar') lowApple=lowFusion;lowOrange=lowFusion return lowFusion # 求Laplace金字塔
def getLaplacePyr(img): firstLevel=img.copy() secondLevel=cv2.pyrDown(firstLevel) lowFreq=cv2.pyrUp(secondLevel) highFreq=cv2.subtract(firstLevel,_sameSize(firstLevel,lowFreq)) return lowFreq,highFreq # 计算对比度,优化后不需要这个函数了,扔在这里看看公式就行
def _getContrastValue(highWin,lowWin): row,col = highWin.shape contrastValue = 0.00 for i in xrange(row): for j in xrange(col): contrastValue += (float(highWin[i,j])/lowWin[i,j])**2 return contrastValue # 先求出每个点的(hi/lo)**2,再用numpy的sum(C语言库)求和
def getContrastImg(low,high): row,col=low.shape if low.shape!=high.shape: low=_sameSize(high,low) contrastImg=np.zeros((row,col)) contrastVal=(high/low)**2 for i in xrange(row): for j in xrange(col): up=i-halfWindowSize if i-halfWindowSize>0 else 0 down=i+halfWindowSize if i+halfWindowSize<row else row left=j-halfWindowSize if j-halfWindowSize>0 else 0 right=j+halfWindowSize if j+halfWindowSize<col else col contrastWindow=contrastVal[up:down,left:right] contrastImg[i,j]=contrastWindow.sum() return contrastImg # 计算方差权重比
def getVarianceWeight(apple,orange): appleMean,appleVar=cv2.meanStdDev(apple) orangeMean,orangeVar=cv2.meanStdDev(orange) appleWeight=float(appleVar)/(appleVar+orangeVar) orangeWeight=float(orangeVar)/(appleVar+orangeVar) return appleWeight,orangeWeight # 函数返回融合后的图像矩阵
def getPyrFusion(apple,orange): lowApple,highApple = getLaplacePyr(apple) lowOrange,highOrange = getLaplacePyr(orange) contrastApple = getContrastImg(lowApple,highApple) contrastOrange = getContrastImg(lowOrange,highOrange) row,col = lowApple.shape highFusion = np.zeros((row,col)) lowFusion = np.zeros((row,col)) # 开始处理低频 # appleWeight,orangeWeight=getVarianceWeight(lowApple,lowOrange) for i in xrange(row): for j in xrange(col): # lowFusion[i,j]=lowApple[i,j]*appleWeight+lowOrange[i,j]*orangeWeight lowFusion[i,j] = lowApple[i,j] if lowApple[i,j]<lowOrange[i,j] else lowOrange[i,j] # 开始处理高频 for i in xrange(row): for j in xrange(col): highFusion[i,j] = highApple[i,j] if contrastApple[i,j] > contrastOrange[i,j] else highOrange[i,j] # 开始重建 fusionResult = cv2.add(highFusion,lowFusion) return fusionResult # 绘图函数
def getPlot(apple,orange,result): plt.subplot(131) plt.imshow(apple,cmap='gray') plt.title('src1') plt.axis('off') plt.subplot(132) plt.imshow(orange,cmap='gray') plt.title('src2') plt.axis('off') plt.subplot(133) plt.imshow(result,cmap='gray') plt.title('result') plt.axis('off') plt.show() # 画四张图的函数,为了方便同时比较
def cmpPlot(apple,orange,wave,pyr): plt.subplot(221) plt.imshow(apple,cmap='gray') plt.title('SRC1') plt.axis('off') plt.subplot(222) plt.imshow(orange,cmap='gray') plt.title('SRC2') plt.axis('off') plt.subplot(223) plt.imshow(wave,cmap='gray') plt.title('WAVELET') plt.axis('off') plt.subplot(224) plt.imshow(pyr,cmap='gray') plt.title('LAPLACE PYR') plt.axis('off') plt.show() def runTest(src1=src1_path,src2=src2_path,isplot=True): apple,orange=imgOpen(src1,src2) beginTime=datetime.datetime.now() print(beginTime) waveResult=getWaveImg(apple,orange) pyrResult=getPyrFusion(apple,orange) endTime=datetime.datetime.now() print(endTime) print('Runtime: '+str(endTime-beginTime)) if isplot: cmpPlot(apple,orange,waveResult,pyrResult) return waveResult,pyrResult if __name__=='__main__': runTest()
方法四:最简单的对比方法
#!C:/Python27
#coding=utf-8import pytesseract
from pytesser import *
from PIL import Image,ImageEnhance,ImageFilter
import os
import fnmatch
import re,timeimport urllib, randomonepng = ('.//testpic//001n.bmp')
twopng = ('.//testpic//001n.png')def fixed_size():"""按照固定尺寸处理图片"""im1 = Image.open('.//testpic//001n.bmp')im2 = Image.open('.//testpic//000n.bmp') width, height = im1.size diff = [(x, y) for x in xrange(width) for y in xrange(height) if im1.getpixel((x, y)) != im2.getpixel((x, y))] print u"打印值:",len(diff)fixed_size()
像素对比两张图片相似度是否一样相关推荐
- 如何计算两幅图像的相似度,计算两张图片相似度
怎么对比两张图片的相似度 1.首先打开微信,选择底部"发现".如图所示.2.然后在点击进入"小程序".如图所示.3.然后输入"腾讯AI体验中心&quo ...
- 怎么检测两张照片的相似度,两张图片相似度测试
计算图像相似度的算法有哪些 SIM=StructuralSIMilarity(结构相似性),这是一种用来评测图像质量的一种方法. 由于人类视觉很容易从图像中抽取出结构信息,因此计算两幅图像结构信息的相 ...
- python argparse 和opencv模块的组合使用_如何利用Python3和OpenCV对比两张图片的不同,提取差异性...
如何利用Python3和OpenCV对比两张图片的不同,提取差异性 导言:通过机器视觉来计算两个图片之间的差异性,可以快速有效辨别文件.图片是否被篡改,也能帮助用户轻松识别钓鱼网站,确保财产安全. 一 ...
- java 图片相似搜索_JAVA比较两张图片相似度的方法
本文实例讲述了JAVA比较两张图片相似度的方法.分享给大家供大家参考.具体如下: 摘要: importjava.awt.image.BufferedImage; importjava.io.File; ...
- python对比两张图片找不同
目录 第一种 第二种 第一种 # 引用图片库 from PIL import Image # 打开图片 imgA = Image.open('xxx1.jpg<要对比图片的名称及目录>') ...
- 如何利用Python3和OpenCV对比两张图片的不同,提取差异性
如何利用Python3和OpenCV对比两张图片的不同,提取差异性 导言:通过机器视觉来计算两个图片之间的差异性,可以快速有效辨别文件.图片是否被篡改,也能帮助用户轻松识别钓鱼网站,确保财产安全. 一 ...
- python图像对比_用python实现对比两张图片的不同
from PIL import Image from PIL import ImageChops def compare_images(path_one, path_two, diff_save_lo ...
- python 对比两张图片是否相同
python 对比两张图片是否相同 说明 说明 适用于对比两张图片是否完全相同 需要两张图片的大小完全一致 代码来源于网络,进行微调 from PIL import Image from PIL im ...
- 对比两张图片的MD5值
图片上传的时候,通过对比两张图片的MD5值,判断图片是否上传成功. package com.kedacom.testdemo.javaTest;import java.io.File; import ...
最新文章
- 软件开发文档模板 (学习)
- 干货|python基础知识总结
- python:解决UnicodeDecodeError
- 100W无线充电方案文献调研 - 信息HUB
- 谷歌开发者机器学习词汇表:纵览机器学习基本词汇与概念
- 坡道行驶电动小车_基于动力性指标的纯电动汽车电机参数设计
- [转帖]主流硬盘接口都有哪些?
- java文件读写操作类
- Java 深copy 浅copy 引用copy
- mysql集群方案对比_MySQL云原生方案在携程开发测试场景中的实践
- 2012年3月编程语言排行榜:JavaScript超越Perl和Python
- Windows10 cmd输入python打开的是应用商店
- ijkplayer-添加播放截图功能
- linux ext2 文件系统学习
- ARM:让Mali带来更极致的移动VR体验
- 好用的Windows屏幕取色器 ColorWanted
- v8声卡调音软件_V8声卡的福音! V8声卡用什么机架VST插件声卡调试?
- Pg Admin4 无法正常启动
- Android5g手机,这几款5G手机,入手三年不卡,不妨试一下
- 安装VMware Workstation 16.1
热门文章
- 中国移动n2 android7.0,中国移动N2(M836 全网通)一键ROOT详解教程,看教程轻松ROOT...
- 联想 android电视,手机电视无线连 联想电视多屏互动详解
- python pca降维图_热力图和PCA降维图
- 机器学习项目(一)——垃圾邮件的过滤技术
- 贝叶斯算法:垃圾邮件过滤
- php和按键精灵,按键精灵的脚本 - 对于重复动作(含键盘鼠标)太好用了
- 按 特定区域/指定位置 批量裁剪图片
- 60进制计数器的设计
- 有没有想过:malloc分配的内存空间地址连续吗
- 山东大学软件工程应用与实践——GMSSL开源库(四)——SM9数字签名算法及验证的源代码分析