opencv 叠加两张图_利用OpenCV 识别两张相似的图片

Background:
在我们项目中，用到U-net，我们对训练样本图片使用labelme进行标定，对标定生成的json文件labelme_json_to_dataset生成标注图像，由于小伙伴将生成标注图像文件夹（如图1）里的

图1：蓝框-转换后的图片

图2：红框原始图片

蓝框里的图片（看起来和原始图片一模一样，后来发现其每个pixel对应的RGB值相较于原始图片都发生了变化）替换了原始未标注前的图片（图2：红框里图片），导致我们没办法判别蓝框内图片的具体类，由于图片太多，人工去一一比对，耗时耗力（主要是因为懒QAQ），我们就准备用蓝框里的图片和每个类别里的原始图片进行一一比对（如果相似，则原始图片的类别也是蓝色框内图片的类别），但是由于蓝框内图片相较于原始图片像素值有了较大的改变（具体像素值变化很小，所以看起来和原始图片一模一样），没办法通过比较像素值来判断图片是否相似，故我们想尝试其他的方法去识别两张相识的图片，然后我看到了这个

Python+Opencv识别两张相似图片-CDA数据分析师官网​cda.pinggu.org

里面介绍了四种方法识别两张相似图片。

在图像识别中，HOG特征，LBP特征，Haar特征^[1]，颜色特征，纹理特征，形状特征，空间关系特征等，都可以用来描述图片。

一些概念：

• 图像指纹：就是将图像按照一定的哈希算法，经过运算后得出的一组二进制数字。可以想象成人的指纹。
• 汉明距离^[2]：就是一组二进制数据变成另一组二进制数据所需的步骤数。如：101到100的汉明距离就是1

1. 平均哈希法（aHash）

此算法基于比较灰度图每个像素与平均值来实现。

具体步骤如下：

• 缩放图片，一般大小为8*8,64个像素值
• 转化为灰度图
• 计算平均值：计算灰度处理后图片所有像素点的平均值（可直接使用numpy中的mean()计算）
• 比较像素灰度值：遍历灰度图每个像素，如果高于平均值记为1，否则为0
• 得到信息指纹：组合64个bit位， 顺序随意保持一致性

2. 感知哈希算法(pHash)

平均哈希算法过于严格，不够精确，更适合搜索缩略图，为了获得更精确的结果可以选择感知哈希算法，它采用的是DCT（离散余弦变换）来降低频率的方法。