日日操夜夜添-日日操影院-日日草夜夜操-日日干干-精品一区二区三区波多野结衣-精品一区二区三区高清免费不卡

本文介紹了Python中兩個圖像的比較的處理方法，對大家解決問題具有一定的參考價值，需要的朋友們下面隨著小編來一起學習吧！

問題描述

我想使用Python比較兩個圖像，但我不熟悉此語言。

我有兩個大小相同的圖像。我必須創建一個包含兩個圖像逐個像素差異的數組。最后，我必須以浮點數的形式計算數組的所有值??之和的平均值。

我可以使用Processing執行此操作，但無法使用Python執行此操作。

如果兩個圖像相同，則結果顯然為0。

我想將此代碼轉換為Python(最重要的是最終平均值的值)。

PImage img,img2;
int threshold = 64;

void setup(){
    //size(600,400);
    img = loadImage(args[0]);
    img2 = loadImage(args[1]);
    println(comparison(img,img2));
    exit();
}

PImage binarization(PImage img,int threshold){
    for(int i = 0; i < img.pixels.length; i++){
        if(green(img1.pixels[i]) > threshold) img.pixels[i] = color(255);
        else img.pixels[i] = color(0);
    }
    return img;
}

float comparison(PImage img, PImage img2){

    img.filter(GRAY);
    img2.filter(GRAY);

    img = binarazation(img,threshold);
    img2 = binarization(img2,threshold); 

    int array[] = new int[img.pixels.length];

    for(int i = 0; i < img.pixels.length; i++){
        array[i] = int( abs(green(img.pixels[i]) - green(img2.pixels[i])));
    }

    float average = 0;

        for(int i = 0; i < img.pixels.length; i++){
            average+= array[i];
    }
    average = average/img.pixels.length;

    return average;
}

編輯：

非常感謝！

我之前發布的比較函數不是真的正確

它實際上應該與另一幅圖像(應用了Canny算法)一起顯示(在轉換為灰度之后)

如何修改elgordorafiki發布的比較函數？

要使用的Canny算法如下：

import cv2
import numpy as np
from matplotlib import pyplot as plt

1

img = cv2.imread ('img', 0)
edges = cv2.Canny (img, 100,110)

plt.subplot (2,1,1), plt.imshow (img, cmap = 'gray')
plt.title ('Original Image'), plt.xticks ([]), plt.yticks ([])
plt.subplot (2,1,2), plt.imshow (edges, cmap = 'gray')
plt.title ('Canny Edge Detection'), plt.xticks ([]), plt.yticks ([])

plt.show ()

Python

正如@martineau建議的那樣，推薦答案圖像庫是一個不錯的選擇。我個人也認為可以使用Numpy和matplotlib作為替代。Python的好處是您可以使用數組對整個圖像進行操作，而不是使用for循環，這樣看起來更好，速度也更快。

作為示例，我很快將您的代碼移植到Python(不確定過濾在那里做什么以及您的閾值有什么值，但睡覺應該大致相同)

我也有一些疑問(您將二進制化后的值設置為255，這意味著最終平均值會有些高，可能使用1到0之間的值會更容易解釋，但這取決于您)。

import numpy as np
import matplotlib.pyplot as plt
import sys

def binarize(img, threshold):

    # create an image with True or False (that can be seen as 1 or 0) and multiply by 255
    binaryimg = (img > threshold).astype(int) * 255
    return binaryimg

def comparison(img1, img2):

    # convert to gray. What's the filter doing?
    gray1 = rgb2gray(img1)
    gray2 = rgb2gray(img2)

    # select a threhsold value and binarize the image
    threshold = 0.5
    gray1_bin = binarize(gray1, threshold)
    gray2_bin = binarize(gray2, threshold)

    # in python you can compute a difference image.
    # so diff will contain in each pixel the difference between the two images
    diff = gray1_bin - gray2_bin

    # the np.mean gives you already sum / number of pixels
    average = np.mean(diff)

    return average

def rgb2gray(col_img):

    # converts images to gray
    weights = np.array([0.3, 0.59, 0.11])
    gray = np.sum([col_img[:, :, i].astype(np.float64) * weights[i] for i in range(3)], axis=0)

    return gray

# the "main" method
if __name__ == "__main__":

    # read the images
    img = plt.imread(sys.argv[1])
    img2 = plt.imread(sys.argv[2])

    result = comparison(img, img2)

    print("The difference between the images is {}".format(result))

希望這能有所幫助！

這篇關于Python中兩個圖像的比較的文章就介紹到這了，希望我們推薦的答案對大家有所幫助，