这里有很多问题可以检查两个图像是否“几乎”相似。
我的任务很简单。使用 OpenCV，我想知道两个图像是否 100% 相同。
它们的大小相同，但可以用不同的文件名保存。
【问题讨论】：
您可以使用逻辑运算符，例如 xor 运算符。如果你使用python，你可以使用下面的一行函数：
Python
def is_similar(image1, image2):
return image1.shape == image2.shape and not(np.bitwise_xor(image1,image2).any())
其中shape 是显示矩阵大小的属性，bitwise_xor 顾名思义。 C++版本也可以用类似的方法制作！
C++
请查看@berak 代码。
注意：Python 代码适用于任何深度图像（1-D、2-D、3-D ......），但 C++ 版本仅适用于 2-D 图像。自己很容易将其转换为任何深度图像。我希望这能给你带来洞察力！ :)
文档：bitwise_xor
编辑：C++ 已删除。感谢@Micka 和@berak 的cmets。
【讨论】：
c++ 版本？
bitwise_xor 需要一个 dst 矩阵作为输出参数。重写代码后，它比我系统上的 berak 版本快最少。
差值之和应为 0（对于所有通道）：
bool equal(const Mat & a, const Mat & b)
{
if ( (a.rows != b.rows) || (a.cols != b.cols) )
return false;
Scalar s = sum( a - b );
return (s[0]==0) && (s[1]==0) && (s[2]==0);
}
【讨论】：
a == [[1, -1]] 和b == [[0, 0]] 不会通过吗？
import cv2
import numpy as np
a = cv2.imread("picture1.png")
b = cv2.imread("picture2.png")
difference = cv2.subtract(a, b)
result = not np.any(difference)
if result is True:
print("Pictures are the same")
else:
print("Pictures are different")
【讨论】：
如果它们是相同的文件，只是保存在不同的文件名中，您可以检查它们的Checksums是否相同。
【讨论】：
导入我们需要的包——matplotlib 用于绘图，NumPy 用于数值处理，cv2 用于我们的 OpenCV 绑定。 scikit-image 已经为我们实现了结构相似性索引方法，所以我们将使用它们的实现
# import the necessary packages
from skimage.measure import structural_similarity as ssim
import matplotlib.pyplot as plt
import numpy as np
import cv2
然后定义 compare_images 函数，我们将使用它来使用 MSE 和 SSIM 比较两个图像。 mse 函数接受三个参数：imageA 和 imageB，这是我们要比较的两个图像，然后是我们图形的标题。
然后我们计算两个图像之间的 MSE 和 SSIM。 我们还简单地显示与我们正在比较的两个图像相关联的 MSE 和 SSIM。
def mse(imageA, imageB):
# the 'Mean Squared Error' between the two images is the
# sum of the squared difference between the two images;
# NOTE: the two images must have the same dimension
err = np.sum((imageA.astype("float") - imageB.astype("float")) ** 2)
err /= float(imageA.shape[0] * imageA.shape[1])
# return the MSE, the lower the error, the more "similar"
# the two images are
return err
def compare_images(imageA, imageB, title):
# compute the mean squared error and structural similarity
# index for the images
m = mse(imageA, imageB)
s = ssim(imageA, imageB)
# setup the figure
fig = plt.figure(title)
plt.suptitle("MSE: %.2f, SSIM: %.2f" % (m, s))
# show first image
ax = fig.add_subplot(1, 2, 1)
plt.imshow(imageA, cmap = plt.cm.gray)
plt.axis("off")
# show the second image
ax = fig.add_subplot(1, 2, 2)
plt.imshow(imageB, cmap = plt.cm.gray)
plt.axis("off")
# show the images
plt.show()
使用 OpenCV 从磁盘加载图像。我们将使用原始图像、对比度调整图像和我们的 Photoshop 图像
然后我们将图像转换为灰度
# load the images -- the original, the original + contrast,
# and the original + photoshop
original = cv2.imread("images/jp_gates_original.png")
contrast = cv2.imread("images/jp_gates_contrast.png")
shopped = cv2.imread("images/jp_gates_photoshopped.png")
# convert the images to grayscale
original = cv2.cvtColor(original, cv2.COLOR_BGR2GRAY)
contrast = cv2.cvtColor(contrast, cv2.COLOR_BGR2GRAY)
shopped = cv2.cvtColor(shopped, cv2.COLOR_BGR2GRAY)
我们将生成一个 matplotlib 图形，一个接一个地循环我们的图像，并将它们添加到我们的绘图中。然后我们的情节就会显示给我们。
最后，我们可以使用 compare_images 函数比较我们的图像。
# initialize the figure
fig = plt.figure("Images")
images = ("Original", original), ("Contrast", contrast), ("Photoshopped", shopped)
# loop over the images
for (i, (name, image)) in enumerate(images):
# show the image
ax = fig.add_subplot(1, 3, i + 1)
ax.set_title(name)
plt.imshow(image, cmap = plt.cm.gray)
plt.axis("off")
# show the figure
plt.show()
# compare the images
compare_images(original, original, "Original vs. Original")
compare_images(original, contrast, "Original vs. Contrast")
compare_images(original, shopped, "Original vs. Photoshopped")
参考-https://www.pyimagesearch.com/2014/09/15/python-compare-two-images/
【讨论】：