两幅图像的特征相似性对比Python代码整合

已于 2023-03-28 17:52:55 修改
阅读量5.7k 收藏 14
点赞数
文章标签： python 计算机视觉 机器学习
于 2022-03-17 22:39:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/frank90_z/article/details/123530012
版权

两幅图像的特征相似性对比

图像特征相似性

通过PSNR、SSIM以及图像特征对两幅图像进行相似性比较，下面把比较的代码和函数输出搬上来以供参考。

SSIM

SSIM评估流程如下：
在这里插入图片描述

  1. 对于输入两副图像，首先计算亮度评价并进行比对，得到第一个相似性对比，在此基础上减去亮度评价影响，计算对比度评价，得到对比度对比，再用上步结果除掉对比度评价进行结构评价，得到结构对比，最后将对比结果融合，得到最终的评价结果，SSIM公式基于样本x和y之间的比较衡量亮度L，对比度C和结构S：在这里插入图片描述
    一般取c3=c2/2, σ_xy是x和y的协方差, μ是均值, σ是标准差，c是常数，避免除零SSIM(x,y)=[l(x,y)∙c(x,y)∙s(x,y)]
    带入公式得到
    在这里插入图片描述

SSIM特征相似性检验

图像直方图的距离采用欧氏距离、巴式距离和相关性计算
在这里插入图片描述
有M个样本向量X1~Xm，协方差矩阵记为S，均值向量记为μ，则样本向量X到μ的马氏距离为
在这里插入图片描述
相关系数是衡量两个特征列之间相关程度的一种方法，取值范围[-1,1]。相关系数的绝对值越大，表明特征列X和Y的相关程度越高。当取值为1时表明正线性相关，-1时表明负线性相关
在这里插入图片描述
提取图像颜色特征的一个传统方法是统计图像像素色彩的分布情况，即颜色直方图。它所描述的是不同色彩在整幅图像中所占的比例
在这里插入图片描述
灰度统计直方图在这里插入图片描述
由于RGB 空间并不符合人们对颜色相似性的主观判断．因此，使用符合主观感觉的 HSV 空间，对两张照片的色调、饱和度和亮度进行直方图统计
HSV
在这里插入图片描述
在这里插入图片描述

通过Gabor小波滤波器对原始采集图像和渲染图像进行物体纹理特征的提取
在这里插入图片描述
应用边缘检测算法大大减少图像数据量，能够过滤掉无用信息，留下图像的重要结构，大大简化图像处理工作。对图片针对不同算子提取边缘特征，就目标与背景区域，对比其边缘提取的效果
Canny算子
Canny算子
Sobel算子
Sobel算子
相较Harris和ORB等角点提取方法，SIFT特征提取速度较慢，无法满足视觉里程计的实时性要求，但是效果更好，精度更高。角点特征匹配采用SIFT算法进行角点特征提取，通过FLANN 快速最近邻逼近搜索函数实现快速高效匹配，接下来通过KNN近邻最优匹配对匹配点进行筛选，最终得到匹配点映射集合
在这里插入图片描述

Python源代码的地址如下，欢迎下载交流讨论。
https://download.csdn.net/download/frank90_z/84997845

弗了个兰克
关注
Python判断两张图片的相似度
蜡笔小新星的博客
09-12 999
在Python中，判断两张以numpy的ndarray格式存储的图片的相似度，通常可以通过多种方法来实现，包括但不限于直方图比较、像素差比较、结构相似性指数（SSIM）、特征匹配等。以下是一些常见方法的简要介绍和示例代码。
python opencv 图片对比度
m0_47138897的博客
03-27 5741
# coding: utf-8 # @Author: 一棵柚子树 # @time: 2022/3/26 0:28 import time import numpy import cv2 from PIL import Image def calculate(image1, image2): hist1 = cv2.calcHist([image1], [0], None, [256], [0, 256]) hist2 = cv2.calcHist([image2], [0], None.
python判断图片相似度_Python 图片相似度
weixin_39624461的博客
11-28 489
importcv2importnumpy as np#原文：https://www.cnblogs.com/dcb3688/p/4610660.html#均值哈希算法defaHash(img):#缩放为8*8 img = cv2.resize(img, (8, 8))#转换为灰度图 gray =cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)#s为像素和初值为...
图像特征提取比较相似性
06-12
在VC环境下，通过sobel变换求取图像梯度，比较两幅图的相似性（本程序放的是同一张图的两个名字，可以视情况修改读入图的ＩＤ或者ｒｅｓｏｕｒｃｅｓｎａｍｅ），在ＶＣ６．０下调试成功
python 对比图片相似度
weixin_30273763的博客
07-06 306
最近appium的使用越来越广泛了，对于测试本身而言，断言同样是很重要的，没有准确的断言那么就根本就不能称之为完整的测试了。那么目前先从最简单的截图对比来看。我这里分享下python的图片相似度的代码。目前我自己工作中全部是使用python的PIL库，绝对很赞！ #sudo pip install PIL def pil_image_similarity(filepath1, filepath...
【Python】 比较图片相似度
YZXnuaa的博客
10-15 1959
# Filename: histsimilar.py # -*- coding: utf-8 -*-   import Image   def make_regalur_image(img, size = (256, 256)):     return img.resize(size).convert('RGB') #几何转变，全部转化为256*256像素大小   def split_image...
python 图像配准,python实现基于SIFT算法的图像配准（仿射变换）
weixin_35698867的博客
03-25 3372
话不多说，直接上代码，可以用的话别忘了请喝可乐！(手动笑哭脸)【用法】第45、46行的输入：img1 = cv2.imread('sift/3.jpg')img2 = cv2.imread('sift/4.jpg')分别是两幅图像，改成你打算要配准的两幅图像即可(修改图像路径)。python的跨平台特性好，windows和macOS系统都可用。输出：三幅图像。窗口1、窗口2是你输入的两幅图像，Re...
python图像质量评价_图像质量评价（三）：FSIM
weixin_39966053的博客
01-29 1737
feature similarity index mersure(FSIM)利用特征相似性进行质量评价。因为human visual system (HVS)是基于一些低层次特征来感知图像的，而相位一致性特征( phase congruency,PC)可以很好的刻画局部结构。同时由于PC对于图像的变化具有相对不变性，这有利于提取图像中稳定的特征但是有时图像的变化确实会影响观感，所以需要使用梯度特...
MATLAB算法实战应用案例精讲-【图像处理】缺陷检测（附python和matlab实现代码）
热门推荐
qq_36130719的博客
12-14 1万+
缺陷检测通常是指对物品表面缺陷的检测，表面缺陷检测是采用先进的机器视觉检测技术，对工件表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。缺陷检测是工业上非常重要的一个应用，由于缺陷多种多样，传统的机器视觉算法很难做到对缺陷特征完整的建模和迁移，复用性不大，要求区分工况，这会浪费大量的人力成本。深度学习在特征提取和定位上取得了非常好的效果，越来越多的学者和工程人员开始将深度学习算法引入到缺陷检测领域中这种测量方法是在线非接触式检测设备，轮廓测量仪适用于轧制中的长材检测，如圆钢、方钢、螺纹钢、T型钢等，一般的表
Python比较两个图片相似度的方法
09-22
主要介绍了Python比较两个图片相似度的方法,涉及Python操作pil模块实现图片比较的技巧,具有一定参考借鉴价值,需要的朋友可以参考下
image_similarity:使用几种技术的Python图像相似度比较
05-09
图像相似度 使用几种技术的Python图像相似度比较 要求： sudo apt-get install -y python-pip sudo pip install PIL numpy 用法 将脚本保存到与主脚本相同的文件夹中 从脚本导入功能 from image_similarity import similarity_bands_via_numpy from image_similarity import similarity_histogram_via_pil from image_similarity import similarity_vectors_via_numpy from image_similarity import similarity_greyscale_hash_code 从主脚本调用功能 similarity_bands_via_numpy, sim
图片相似度比较源代码
12-14
计算机视觉中图片相似度比较源代码，四种比较方法对比，源代码
openCV纹理图像特征提取，比较两幅图像的相似度
03-13
利用opencV和C语言编写，利用纹理特征比较两幅图像的相似度
opencv-图片相似度对比代码-感知哈希算法
08-22
该压缩包包含编译方式，示例代码，只需拍两张图片即可比较，比较打印输出值小于10，即为相似图片。使用改代码的用户linux系统必须先安装opencv环境.
图像配准_医学图像处理图像配准_图像配准_MR图像配准_
10-01
4. **优化算法**：采用合适的优化算法（如梯度下降法、迭代最近点法、模拟退火法等）来最小化配准误差，寻找最佳的参数组合，使两幅图像间对应点的差异最小。 5. **后处理**：配准完成后，可能需要进行图像融合、重...
python图像对比_Python多种图像处理库的比较与比较
weixin_39782782的博客
11-24 492
我帮助在libvips wiki 上维护一个页面，比较20个左右的常用图像处理库，以便快速和内存使用，包括相当多的Python系统。基准测试非常简单：加载5,000 x 5,000像素RGB TIFF，从每个边缘裁剪100像素，缩小10％，用3x3拉普拉斯锐化，然后再次保存。这是一个愚蠢的测试，但实现起来很简单，它可以进行卷积，加载/保存，重采样和像素操作。测试是在libvips wiki上进行的...
利用Python轻松实现图片相似度对比（一）
weixin_43423533的博客
04-24 9144
关于图片相似度，主要简单介绍以下几种方法： 一：通过图片像素来比较，比较简单,对使用场景有要求 二：通过余弦方法来比较图片 原理： 把图片表示一个向量，通过计算向量之间的余弦值来表征图片的相似度，个人认为利用余弦定理来比较语义相似度要比图像相似度比较要好的多。 [0,1]，越大越相似三：SSIM（结构相似性指数） 这种方法是基于sklearn中的scikit-image中的ssim来计算的一种全参考性的图像质量评价...
python实现两幅图像的FSIM计算代码
最新发布
10-13
FSIM (Feature Similarity Index) 是一种用于评估两张图像之间特征相似度的算法，它结合了结构相似性和对比敏感度信息。在Python中，你可以使用开源库`scikit-image`或自定义代码实现FSIM。这里是一个简单的例子，使用`scikit-image`库： 首先，确保安装了`scikit-image`，如果没有，可以使用pip安装： ```bash pip install scikit-image ``` 然后，可以使用以下代码计算两幅图像的FSIM得分： ```python from skimage.measure import compare_ssim as ssim import matplotlib.pyplot as plt import cv2 def compute_fsim(image1, image2): # 对图像进行灰度处理 gray_image1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY) gray_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY) # 计算SSIM，因为FSIM基于SSIM，所以可以直接获取分数 fsim_score = ssim(gray_image1, gray_image2, multichannel=False) return fsim_score # 读取两幅图像 image1_path = 'path_to_image1.jpg' image2_path = 'path_to_image2.jpg' image1 = cv2.imread(image1_path) image2 = cv2.imread(image2_path) fsim_score = compute_fsim(image1, image2) print(f"FSIM score between {image1_path} and {image2_path}: {fsim_score}") # 可选：可视化比较 plt.figure(figsize=(10, 5)) plt.subplot(121), plt.imshow(image1), plt.title('Image 1') plt.subplot(122), plt.imshow(image2), plt.title('Image 2') plt.show() ``` 记得替换`image1_path`和`image2_path`为你需要比较的图片路径。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值