找出图片不同方案之diffImg 、odiff、（opencv+python）对比

2024-05-19 13:37| 来源: 网络整理| 查看: 265

需求

需要对比两张图片，并识别出图片是否一致，如果不一致，则用矩形框圈出来。没错，这就像大家来找茬的游戏。

思考图片是否一致，先用MD5校验，如果文件二进制MD5完全一致，那么两张图片肯定一样。假设图片不一样，那则需要计算机视觉范畴解析图片并做出判断，并处理差异部分针对差异部分，希望软件可以识别区域内有差距的地方，并用矩形框框选显示，用于客户快速定位。百度一下

首先我认为这种方案应该是成熟的应用方案，网上一找肯定有，结果不出所料。经过大量的信息筛选，我这边选出了几个优秀的方案。（此刻，辣鸡百度真的费时费力，资料大多是些无用信息或者滥竽充数，此刻感叹需要一个ChatGPT）

准备两张原图 test3.png

第二张图片在第一章的基础上做一个红框和一个difference文字

test1.png diffImg

软件下载地址 https://sourceforge.net/projects/diffimg/files/ 是一款C端软件

下载，打开exe，打开两张图片，软件截图如下

image.png

差异图可保存，如下

diff.jpeg 总结：可以看到差异百分比可以看到图像不同的地方研究了一下，没法更改差异的颜色，也无法框选 odiff

软件下载地址 https://github.com/dmtrKovalenko/odiff 开源软件，大家先上github看下介绍

参考github相关介绍，执行命令，如图 .\ODiffBin.exe --diff-color=#2f9b82 d:/temp/test1.png d:/temp/test3.png d:/temp/odiff.png 因为不同之处是红色，而这个软件默认的也是红色，所以命令指定了颜色输出

image.png

输出差异图图片

odiff.png

总结

输出有判断图片是否一致，不同的像素点数量，不同像素点百分比，输出不同点图片可以指定输出不同区域像素颜色无法框选不同区域，无法单独输出差异图 OPENCV+python

OPENCV 官网 https://opencv.org/ OPENCV github https://github.com/opencv/opencv

opencv百度百科介绍

OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1] 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

通过百度图片找茬关键字，大部分结果是基于opencv+python实现，当然，opencv的功能很强大，用于处理图片找茬只是一个简单应用，这里，我也做了简单测试

参考文档 https://pyimagesearch.com/2017/06/19/image-difference-with-opencv-and-python/

1. 安装python 及需要的库安装 python 安装 pip install --upgrade scikit-image 安装 pip install --upgrade imutils 安装 pip install opencv-python 2. 编写python脚本 # import the necessary packages from skimage.metrics import structural_similarity as compare_ssim import argparse import imutils import cv2 import numpy as np # construct the argument parse and parse the arguments ap = argparse.ArgumentParser() ap.add_argument("-f", "--first", required=True, help="first input image") ap.add_argument("-s", "--second", required=True, help="second") args = vars(ap.parse_args()) # load the two input images imageA = cv2.imread(args["first"]) imageB = cv2.imread(args["second"]) # 先判断两张图片是否一致 difference = cv2.subtract(imageA, imageB) result = not np.any(difference) #if difference is all zeros it will return False if result is True: print ("两张图片一样") else: print ("两张图片不一样") # convert the images to grayscale grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY) grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY) # compute the Structural Similarity Index (SSIM) between the two # images, ensuring that the difference image is returned (score, diff) = compare_ssim(grayA, grayB, full=True) diff = (diff * 255).astype("uint8") print("SSIM: {}".format(score)) # threshold the difference image, followed by finding contours to # obtain the regions of the two input images that differ thresh = cv2.threshold(diff, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1] cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) cnts = imutils.grab_contours(cnts) # loop over the contours for c in cnts: # compute the bounding box of the contour and then draw the # bounding box on both input images to represent where the two # images differ (x, y, w, h) = cv2.boundingRect(c) cv2.rectangle(imageA, (x, y), (x + w, y + h), (0, 0, 255), 2) cv2.rectangle(imageB, (x, y), (x + w, y + h), (0, 0, 255), 2) # show the output images 这个是打开图片，这里不需要 #cv2.imshow("Original", imageA) #cv2.imshow("Modified", imageB) #cv2.imshow("Diff", diff) #cv2.imshow("Thresh", thresh) cv2.imwrite("Original.jpg",imageA) cv2.imwrite("Modified.jpg",imageB) cv2.imwrite("thresh.jpg",thresh) cv2.imwrite("diff.jpg",diff) # cv2.destroyAllWindows() #cv2.waitKey(0) 3. 执行python命令

python image_diff.py --test1.png --second test3.png 如下图，框选的文件是输入和输出

image.png

脚本将输出四张图片，这里选一张输入标记图和差异图

Original.jpg diff.jpg 总结 opencv比较强大，可以做图片像素比较、相似度输出等可以针对不同之处，做外框标识三个软件对比总结均可以找出图片不同之处，提供图片相似度、差异像素点数量等功能 diffImg 和 odiff 基本上不用做开发，掌握简单使用方式即可达到效果 opencv+python方案最为强大，可以框选出图片不同之处，但软件安装依赖配置较多，需要编写python脚本

以上，希望可以帮到大家，感谢点赞，比心~

by 王启昌广州

【本文地址】

公司简介

联系我们

找出图片不同方案之diffImg 、odiff、（opencv+python） 对比

找出图片不同方案之diffImg 、odiff、（opencv+python）对比