python简单图片对比

# -*- coding: utf-8 -*-
import cv2,os
import time
import numpy as np
from matplotlib import pyplot as plt # 输入灰度图，返回hash
def getHash(image): avreage = np.mean(image) 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) return hash# 计算汉明距离
def Hamming_distance(hash1,hash2): num = 0for index in range(len(hash1)): if hash1[index] != hash2[index]: num += 1return num# 平均哈希算法计算
def classify_aHash(image1,image2): image1 = cv2.resize(image1,(8,8)) image2 = cv2.resize(image2,(8,8)) gray1 = cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY) hash1 = getHash(gray1) hash2 = getHash(gray2) return Hamming_distance(hash1,hash2) # 感知哈希算法计算
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) return Hamming_distance(hash1,hash2) #差值感知算法
def classify_dHash(image1,image2):#缩放8*8image1=cv2.resize(image1,(9,8),interpolation=cv2.INTER_CUBIC)image2=cv2.resize(image2,(9,8),interpolation=cv2.INTER_CUBIC)#转换灰度图gray1 = cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY) gray2 = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY) hash_str1=''hash_str2=''#每行前一个像素大于后一个像素为1，相反为0，生成哈希for i in range(8):for j in range(8):if gray2[i,j]>gray2[i,j+1]:hash_str2=hash_str2+'1'else:hash_str2=hash_str2+'0'if gray1[i,j]>gray1[i,j+1]:hash_str1=hash_str1+'1'else:hash_str1=hash_str1+'0'return Hamming_distance(hash_str1,hash_str2)# 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() # 比较直方图的重合度 degree = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)#越大越相似return degreedef GetImgNameByEveryDir(file_dir,videoProperty):  # Input   Root Dir and get all img in per Dir.# Out     Every img with its filename and its dir and its path  FileNameWithPath = [] FileName         = []FileDir          = []for root, dirs, files in os.walk(file_dir):  for file in files:  if os.path.splitext(file)[1] in videoProperty:  FileNameWithPath.append(os.path.join(root, file))  # 保存图片路径FileName.append(file)                              # 保存图片名称FileDir.append(root[len(file_dir):])               # 保存图片所在文件夹return FileName,FileNameWithPath,FileDirdef compare_img(img1_path,img2_path,show):img1 = cv2.imread(img1_path)
#     cv2.imshow('img1',img1) img2 = cv2.imread(img2_path)
#     cv2.imshow('img2',img2)
#最简单的以灰度直方图作为相似比较的实现 degree1 = classify_gray_hist(img1,img2)   if float(degree1*100) > 90:# aHash：平均值哈希。速度比较快，但是常常不太精确。# pHash：感知哈希。精确度比较高，但是速度方面较差一些。# dHash：差异值哈希。Amazing！精确度较高，且速度也非常快。因此我就选择了dHash作为我图片判重的算法。#相似度越小，说明两张图片越相似# 汉明距离小于5 基本相似#平均哈希算法计算 degree2 = classify_aHash(img1,img2) # 感知哈希算法计算 degree3 = classify_pHash(img1,img2) # 差值哈希算法计算 degree4 = classify_dHash(img1,img2)if show:print('\n'+img1_path+"  "+img2_path)print("直方图：%.3f%s，平均哈希：%s，感知哈希：%s，差值哈希：%s"%(degree1*100,'%',degree2,degree3,degree4))if degree2 <= 20 and degree3 <= 20 and degree4 <= 20:avd=((1-(degree2+degree3+degree4)/60)*0.2+degree1*0.8)if avd*100 > 94:if show:print("这两张图相似!")else:print('\n'+img1_path+"  "+img2_path)print("直方图：%.3f%s，平均哈希：%s，感知哈希：%s，差值哈希：%s,直方图与哈希结合概率：%.3f%s"%(degree1*100,'%',degree2,degree3,degree4,avd*100,'%'))print("这两张图相似!")return 1#纵向 vstack#横向 concatenate#         img1 = cv2.resize(img1, (1080, 480), interpolation=cv2.INTER_LINEAR)#         img2 = cv2.resize(img2, (1080, 480), interpolation=cv2.INTER_LINEAR)# #         image = np.concatenate([img1, img2], axis=1) #         image = np.vstack([img1, img2])#         cv2.imshow(img1_path+"  "+img2_path, image)#         k = cv2.waitKey(0) & 0xff#         if k == 27:#             cv2.destroyAllWindows()else:return 0else:return 0if __name__ == '__main__':start =time.process_time()img_1_path='D:\img.jpg'img_2_path='D:\img2.jpg'dele=compare_img(img_1_path,img_2_path,show=0)if dele:os.remove(FileNameWithPath[j])print('%s与%s文件相似度高，删除文件%s\n'%(img_1_path,img_2_path,img_2_path))     end = time.process_time()print('Running time: %.3f Seconds'%(end-start))

python简单图片对比相关推荐

python找图片不同_用openCV和Python 实现图片对比,并标识出不同点的方式
最近项目中需要实现两组图片对比,并能将两者的区别标识出来. 在网上搜索一大堆找到一篇大神的文章,最终实现该功能,在这里记录下: 想要实现此demo,首先我们得确保电脑上已安装 openCV 和 Pyt ...
用openCV 和 Python 实现图片对比，并标识出不同点
最近项目中需要实现两组图片对比,并能将两者的区别标识出来. 在网上搜索一大堆找到一篇大神的文章,最终实现该功能,在这里记录下: 想要实现此demo,首先我们得确保电脑上已安装 openCV 和 Pyt ...
python简单图片识别_用Python进行简单的图片识别(1)
起因是这样的,我想买一个定焦镜头,但也不是必需品,可以长期观望购买.最初的想法是,写个程序,每天爬一下各大电商网站的价格,或者直接爬etao把该镜头的价格记录下来,突然有一个惊爆的低价,就发邮件通知. ...
Python简单图片爬虫
经常在逛知乎,有时候希望把一些问题的图片集中保存起来.于是就有了这个程序.这是一个非常简单的图片爬虫程序,只能爬取已经刷出来的部分的图片.由于对这一部分内容不太熟悉,所以只是简单说几句然后记录代码,不 ...
Python实现图片对比
以下内容转载自大牛该大牛,链接点击跳转具体实现逻辑:使用第三方的控件,将两张图片进行对比,两张图片的尺寸必须一致.然后才能对比. # USAGE # python image_diff.py --f ...
python图片比对、自动化测试_基于python+appium通过图片对比来做的UI自动化
1.python + appium +图片对比实现UI自动化: 背景: 当手机需要适配不同的语言时,测试过程中易出现因为语言不熟悉,导致UIbug被遗漏(例如setting中的描述性文字显示不完整等等 ...
python图像对比_python+PIL实现图片对比（一）
前提前阵子报了个班,学了一些android UI自动化相关的东西,于是想到第一家单位在做android手机自动化的时候,有用到图片对比,来确定是否点到指定的页面,遂想在appium+python做U ...
简单几步用Python实现人脸对比
简单几步用Python实现人脸对比说明:这是我暑假应实习单位需求使用百度api编写的一个简单的人脸相似度对比,其间处理了十万左右的照片,主要是为了判断是否为同一人 a.获取百度人脸识别api的api ...
ruby和python简单对比
先说说题外话,以前很少写blog,最开始有整理过技术文章到QQ空间,后面整理到WORD以及文本里.再后来网上查找资料的之后发现cnblog上面的蛮专业的.我也觉得把资料存放在网络中永远不会丢.所以就出 ...

python简单图片对比

python简单图片对比相关推荐

最新文章

热门文章