opencv-python 实现利用灰度值差、个数、均值方差比较图像相似度

作者：RayChiu_Labloy
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

---

目录

需求背景：

 灰度图减法比较相似度

统计某个阈值下的像素点个数来判断相似性：

灰度均值来判断相似度

---

需求背景：

相同的ROI区域图像是否相似（重点是相同的ROI区域，坐标和大小应该一致） 

 灰度图减法比较相似度

原理：转为灰度图，减法运算最后sum()求差异值和，设定一个阈值，不超过阈值则说明图片相似。 

import cv2

"""
先看结果：
第一个1像素和---------> 54471
第二个1像素和---------> 52950
第一个3像素和---------> 50660
第二个1减去第一个1 4901
第一个3减去第一个1 2826
第一个1减去第一个1 0

结论：从结果来看两个灰度图直接相减并不能判断出是否和模板数值一样不一样。对位置不敏感，字体胖瘦、变形均可影响数值判断
"""
img = cv2.imread('8.bmp')[465:485, 655:670]
# 转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray", gray)

# 自动读取出灰度图
gray1 = cv2.imread('2.bmp', 0)[498:518, 582:597]
gray2 = cv2.imread('8.bmp', 0)[484:504, 655:670]

print("第一个1像素和--------->", gray.sum())
print("第二个1像素和--------->", gray1.sum())
print("第一个3像素和--------->", gray2.sum())

res = cv2.subtract(gray, gray1)
# res = cv2.bitwise_xor(gray1, gray)
print("第二个1减去第一个1", res.sum())
res2 = cv2.subtract(gray2, gray)
print("第一个3减去第一个1", res2.sum())
res3 = cv2.subtract(gray, gray)
print("第一个1减去第一个1", res3.sum())

cv2.imshow("res",res)
cv2.imshow("res2",res2)
cv2.imshow("res3",res3)
cv2.imshow("gray",gray)
cv2.imshow("gray1",gray1)
cv2.imshow("gray2",gray2)
cv2.waitKey(0)
cv2.destroyAllWindows()

统计某个阈值下的像素点个数来判断相似性：

原理：转为灰度图，设定一个阈值，统计阈值内像素点个数相差不大则说明图片相似。 

from PIL import Image
import numpy as np
import cv2

"""
先看结果：
大于160 像素个数：228 占比：%76.0
小于160 像素个数：72 占比：%24.0

结论：此种方式和灰度图相减原理类似，效果也类似。
"""
img_L = np.array(Image.open('temp7.jpg').convert("L"))

color_w = np.where(img_L >160)[0].shape[0]
color_b = np.where(img_L <160)[0].shape[0]

pixel_sum = img_L.shape[0] * img_L.shape[1]

print("大于160 像素个数：{} 占比：%{}".format(color_w,color_w/pixel_sum*100))
print("小于160 像素个数：{} 占比：%{}".format(color_b,color_b/pixel_sum*100))

# gray = cv2.imread('temp7.jpg', 0)
# h,w = np.shape(gray)
# hest_w = 0
# hest_b = 0
# # 建立空白数组
# for row in range(h):
#     for col in range(w):
#         pv = gray[row,col]
#
#         if pv > 160:
#             hest_w += 1
#         else:
#             hest_b += 1
# print("大于160 像素个数-->", hest_w)
# print("小于160 像素个数-->", hest_b)

灰度均值来判断相似度

 原理：转为灰度图，设定一个阈值，灰度均值相差不大则说明图片相似。 

# 计算灰度均值、方差
import cv2 as cv

"""
先看结果：
均值：181.56666666666658
方差：50.25115809
结论：此种方式和灰度图相减原理类似，效果也类似。
"""
img = cv.imread('temp7.jpg', 0)
height, width = img.shape
size = img.size

# average = 0
# for i in range(height):
#     for j in range(width):
#         average += img[i][j]/size
#
# print(average)

(mean , stddv) = cv.meanStdDev(img)
print(mean) # 均值
print(stddv) # 方差

【如果对您有帮助，交个朋友给个一键三连吧，您的肯定是我博客高质量维护的动力！！！】