使用 Python 和 PIL 的两个图像之间的均方根差答案

【问题标题】：Root mean square difference between two images using Python and PIL使用 Python 和 PIL 的两个图像之间的均方根差
【发布时间】：2011-03-07 02:51:18
【问题描述】：

我需要一个像这里找到的函数：http://effbot.org/zone/pil-comparing-images.htm，它计算两个图像之间的均方根差。代码如下所示：

import ImageChops
import math, operator

def rmsdiff(im1, im2):
    "Calculate the root-mean-square difference between two images"

    h = ImageChops.difference(im1, im2).histogram()

    # calculate rms
    return math.sqrt(reduce(operator.add,
        map(lambda h, i: h*(i**2), h, range(256))
        ) / (float(im1.size[0]) * im1.size[1]))

尝试运行此代码会导致以下错误：TypeError: unsupported operand type(s) for ** or pow(): 'NoneType' and 'int'。有什么问题吗？

【问题讨论】：

标签： python image-processing

【解决方案1】：

考虑使用现有解决方案（例如scikit-image）解决此问题：

from PIL import Image # No need for ImageChops
import math
from skimage import img_as_float
from skimage.measure import compare_mse as mse

def rmsdiff(im1, im2):
    """Calculates the root mean square error (RSME) between two images"""
    return math.sqrt(mse(img_as_float(im1), img_as_float(im2)))

或者使用NumPy自己写一些简短的东西：

from PIL import Image, ImageChops
import math
import numpy as np

def rmsdiff(im1, im2):
    """Calculates the root mean square error (RSME) between two images"""
    errors = np.asarray(ImageChops.difference(im1, im2)) / 255
    return math.sqrt(np.mean(np.square(errors)))

请注意，这两种方法都将像素强度视为在 [0.0, 1.0] 范围内，而不是 [0, 255]。

【讨论】：

【解决方案2】：

这里似乎不需要map 和reduce。

rmsdiff 的改进版本可能是：

def rmsdiff(im1, im2):
    "Calculate the root-mean-square difference between two images"
    diff = ImageChops.difference(im1, im2)
    h = diff.histogram()
    sq = (value*((idx%256)**2) for idx, value in enumerate(h))
    sum_of_squares = sum(sq)
    rms = math.sqrt(sum_of_squares/float(im1.size[0] * im1.size[1]))
    return rms

这里是source。根据我的测试，Mark Krautheim 提出的改进之所以重要，至少有一个原因：与原始版本相反，当将图像与其自身进行比较时，它会导致返回值为 0.0。

【讨论】：

【解决方案3】：

请看这里https://gist.github.com/bo858585/5377492。此脚本使用均方根（不划分为 sqrt(3) - 像素是 3 位数 RGB 向量）每对对应 (通过两个比较图像的矩阵 20*20) 像素的位置。脚本总结了像素对之间的这些距离，并将这个总和划分为最大可能的距离——这样脚本就可以得到两个图像的相似度。在比较所有调整为 20*20 的图像之前。您可以改变 MAX_DISTANCE（从 0 到 400），脚本会将或多或少相似的图像归为一组。

【讨论】：

【解决方案4】：

问题在于它创建的直方图没有值（或实际上没有值），而没有相应的像素值。

即当您找到两个图像的差异时，生成的图像没有任何像素，例如相隔 43 个单位，因此 h[43] = None。

稍后，您尝试访问范围内每个亮度的像素数 (256)，并将其平方，这导致它对 None**2 应该是什么感到困惑。

考虑将range(256) 更改为h.keys()。

另外，您使用 h 来表示两种不同的事物，请考虑将其中之一的名称更改为有意义的名称，或者更好的是，将两者都更改为有意义的名称。

【讨论】：

【解决方案5】：

在这里猜测一下，但在你的最后一行试试这个，看看它是否有效：

return math.sqrt(sum(h*(i**2) for i, h in enumerate(h))) / (float(im1.size[0]) * im1.size[1]))

我不确定你为什么会得到你所描述的TypeError，但是如果你使用上面的代码行并继续得到它，那么严重会发生一些奇怪的事情开。

【讨论】：