图片相似度处理 - use PIL库

转载请注明出处：http://blog.csdn.net/cici_li

在近期的crosswalk GUI automation项目中，结果pass/fail的判断大致有以下几种

1. 期望结果可量化：期望结果即UI展现的web element的字符串，或者数值等，抓取web页面元素，跟期望结果比对；

2. 期望结果为ref data：调用另一种方法来实现相同的效果，以此产生ref html data，然后将结果html与ref html做对比

3. 期望结果为之前运行的正确结果(baseline data)：在GUI中，之前运行的正确结果可以截屏(screenshot)保存，作为baseline img，然后将本次执行结果与之比对。

该方法有个弊端，就是在不同device上执行时，由于分辨率不同，baseline img会不同，这种情况下baseline img需要构造多份。

这里我们讲下在第三种方法中，如何将结果数据与baseline img来比对。这就涉及到图片相似度计算，我们调用python image library (PIL)来处理，代码如下：

#!/usr/bin/env python
import Image

#standardize the image 
def make_regalur_image(img, size = (256, 256)):
    return img.resize(size).convert('RGB')

def hist_similar(lh, rh):
    assert len(lh) == len(rh)
    return sum(1 - (0 if l == r else float(abs(l - r))/max(l, r)) for l, r in zip(lh, rh))/len(lh)

#Images similarity calculation
def cal_images_similar(img1,img2):
   #open two images
   fimg1=Image.open(img1)
   fimg2=Image.open(img2)

   #regular the image
   reg_img1 = make_regalur_image(fimg1)
   reg_img2 = make_regalur_image(fimg2)

   #calculate the similar 
   ret=hist_similar(reg_img1.histogram(), reg_img2.histogram())
   return ret*100  

def main():
   img1 = "./a.png"
   img2 = "./b.png"
   img3 = "./asame.png"
   
   similarity = cal_images_similar(img1,img2)
   print "similarity of a,b is: ", similarity

   similarity = cal_images_similar(img1,img3)
   print "similarity of a,asame is: ", similarity

if __name__ =="__main__":
   main()