Python OpenCV 图片对比|极客笔记

Python OpenCV 图片对比

1. 引言

在图像处理和计算机视觉的应用中，图片对比是一种常见的操作。它可以用于检测图片之间的相似性、找到差异、执行模式匹配等任务。Python中的OpenCV库是一个功能强大的图像处理工具，提供了各种方法和函数来进行图片对比操作。本文将详细介绍如何使用Python和OpenCV来实现图片对比。

2. OpenCV简介

OpenCV是一个开源的计算机视觉库，提供了各种用于图像处理和计算机视觉任务的函数和算法。它支持多种编程语言，包括Python、C++和Java等。OpenCV具有丰富的功能，可以进行图像读取、处理、分析和显示等操作。

3. 图片对比的基本原理

在进行图片对比之前，我们需要了解一些基本的概念和原理：

图片读取：使用OpenCV的imread()函数可以读取一张图片，并将其存储为一个二维数组（或矩阵）。
图片显示：使用OpenCV的imshow()函数可以显示一张图片。
图片灰度化：使用OpenCV的cvtColor()函数可以将一张彩色图像转换为灰度图像。
图片大小缩放：使用OpenCV的resize()函数可以改变图片的大小。
图片对比度和亮度调整：使用OpenCV的convertTo()函数可以调整图片的对比度和亮度。

4. 图片读取与显示

在开始图片对比之前，我们首先需要读取和显示待比较的两张图片。以下是读取和显示图片的示例代码：

import cv2

# 读取图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 显示图片
cv2.imshow('Image 1', img1)
cv2.imshow('Image 2', img2)

# 等待按键
cv2.waitKey(0)
cv2.destroyAllWindows()

运行上述代码，将会显示两张待比较的图片。

5. 图片灰度化

在进行图片对比之前，通常需要将图片转换为灰度图像。这是因为灰度图像只包含一个颜色通道（灰度），而彩色图像则包含多个颜色通道（红、绿、蓝），而在大多数情况下，我们只关心图像的亮度信息。以下是将彩色图片转换为灰度图片的示例代码：

import cv2

# 读取图片
img = cv2.imread('image.jpg')

# 灰度化图片
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 显示灰度图片
cv2.imshow('Gray Image', gray_img)

# 等待按键
cv2.waitKey(0)
cv2.destroyAllWindows()

运行上述代码，将会显示灰度化后的图片。

6. 图片大小缩放

在进行图片对比之前，通常需要将待比较的图片调整为相同的大小。以下是将图片进行大小缩放的示例代码：

import cv2

# 读取图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 调整图片大小
resized_img1 = cv2.resize(img1, (500, 500))
resized_img2 = cv2.resize(img2, (500, 500))

# 显示调整后的图片
cv2.imshow('Resized Image 1', resized_img1)
cv2.imshow('Resized Image 2', resized_img2)

# 等待按键
cv2.waitKey(0)
cv2.destroyAllWindows()

运行上述代码，将会显示调整大小后的图片。

7. 图片对比度和亮度调整

如果两张待比较的图片的对比度和亮度不同，将会对图片对比产生一定的影响。为了消除这种影响，我们可以调整图片的对比度和亮度。以下是调整图片对比度和亮度的示例代码：

import cv2
import numpy as np

# 读取图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 调整图片对比度和亮度
alpha = 1.2  # 对比度增加因子
beta = 30  # 亮度增加值
adjusted_img1 = cv2.convertScaleAbs(img1, alpha=alpha, beta=beta)
adjusted_img2 = cv2.convertScaleAbs(img2, alpha=alpha, beta=beta)

# 显示调整后的图片
cv2.imshow('Adjusted Image 1', adjusted_img1)
cv2.imshow('Adjusted Image 2', adjusted_img2)

# 等待按键
cv2.waitKey(0)
cv2.destroyAllWindows()

运行上述代码，将会显示调整对比度和亮度后的图片。

8. 图片相似性比较

图片对比的最终目标通常是计算两张图片之间的相似度。这可以通过计算像素值之间的差异来实现。以下是计算图片相似性并显示差异的示例代码：

import cv2
import numpy as np

# 读取图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 转换为灰度图像
gray_img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray_img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

# 计算差异
diff = cv2.absdiff(gray_img1, gray_img2)

# 计算差异图像的平均像素值
mean_diff = np.mean(diff)

# 显示差异图像
cv2.imshow('Difference', diff)
print('Mean difference:', mean_diff)

# 等待按键
cv2.waitKey(0)
cv2.destroyAllWindows()

运行上述代码，将会显示差异图像，并输出差异图像的平均像素值。