使用yolo识别模型对比两张图片并标记不同（2）

上篇文章有漏洞，在这里补充下，比如要识别第二张图相对于第一张图的违建是否拆除了

第一步旋转对其后，图片会有黑色的掩码，如果旋转角度大的话，没识别出来的框可能不是已经拆除了，而是因为黑色掩码遮挡，如下图：

思路：

将第二张图像中计算出的黑色掩码应用到第一张图像上，再拿两张图片用模型识别对象

# 读取目标图像和计算出的掩码图像
target_img = cv2.imread('overlap1.jpg')
computed_mask_img = cv2.imread('overlap2.jpg', cv2.IMREAD_GRAYSCALE)

# 确保计算出的黑色掩码图像与目标图像具有相同的尺寸
computed_mask_img = cv2.resize(computed_mask_img, (target_img.shape[1], target_img.shape[0]))

# 将计算出的黑色掩码应用到目标图像上
result = cv2.bitwise_and(target_img, target_img, mask=computed_mask_img)

cv2.imwrite('overlap.jpg', result)

改完之后两张图片长这样：

现在再用两张图片做目标识别精确度就会更高点