opencv python对比图片|极客教程

opencv python对比图片

在图像处理领域，图像比较是一种常见的操作。通过对比不同图像之间的相似性，我们可以进行诸如图像检索、目标识别、图像聚类等任务。在本文中，我们将使用opencv和python库来对比两张图片的相似性。

1. 直方图比较

直方图是图像的一种重要特征表示方法。通过计算图像的直方图，我们可以获得图像的颜色分布信息。在opencv中，可以使用cv2.calcHist()函数来计算图片的直方图。

下面是一个简单的示例代码，展示了如何计算两张图片的直方图并进行比较：

import cv2
import numpy as np

# 读取两张图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 将图片转为灰度图
gray_img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray_img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

# 计算直方图
hist1 = cv2.calcHist([gray_img1], [0], None, [256], [0, 256])
hist2 = cv2.calcHist([gray_img2], [0], None, [256], [0, 256])

# 比较直方图
similarity = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)

print("Similarity between image1 and image2 is: ", similarity)

运行以上代码，我们可以获取两张图片的相似性指标。cv2.HISTCMP_CORREL表示相关性比较方法，返回结果在0到1之间，数值越接近1表示两张图片越相似。

2. 结构相似性比较

除了直方图比较方法，opencv还提供了结构相似性比较方法(SSIM)。SSIM是一种用于测量两个图像之间相似性的指标，在人类视觉感知方面具有很好的效果。opencv中可以使用cv2.createStructuralSimilarity()函数来计算图像的SSIM。

下面是一个示例代码，展示了如何使用SSIM比较两张图片：

import cv2

# 读取两张图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 将图片转为灰度图
gray_img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray_img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

# 计算SSIM
ssim = cv2.compareStructuralSimilarity(gray_img1, gray_img2,  full=True)

print("SSIM between image1 and image2 is: ", ssim)

运行以上代码，我们可以获得两张图片之间的SSIM指标。SSIM值在-1到1之间，数值越接近1表示两张图片越相似。

3. 感知哈希算法比较

感知哈希算法(Perceptual Hashing)是一种用于快速比较两张图片相似性的方法。该算法通过计算图片的哈希值来表示图片的特征，从而实现图片的快速比较。

在python中，可以使用imagehash库来实现感知哈希算法的比较。下面是一个示例代码：

from PIL import Image
import imagehash

# 读取两张图片
img1 = Image.open('image1.jpg')
img2 = Image.open('image2.jpg')

# 计算哈希值
hash1 = imagehash.average_hash(img1)
hash2 = imagehash.average_hash(img2)

# 比较哈希值
similarity = 1 - (hash1 - hash2) / len(hash1.hash) ** 2

print("Similarity between image1 and image2 is: ", similarity)

运行以上代码，可以获取两张图片的相似性。数值越接近1表示两张图片越相似。