Python对比图片

一.使用PIL(pillow)模块进行图片对比：

1.1安装PIL模块

pip install pillow

1.2示例代码

将两张图片转换为灰度图像，并计算它们之间的差异；然后，计算差异的统计信息并输出平均差异值。如果两张图片完全相同，则平均差异值为0；如果完全不同，则平均差异值将接近255。

#导入需要使用的模块
from PIL import ImageChops, ImageStat,Image   
#打开需要对比的图片
pic1=Image.open("D:/autotest/11.png")      
pic2=Image.open("D:/autotest/22.png") 
#将图片转换为灰度图像(彩色转黑白)，该步可以跳过，直接对比获取的差异平均值要比转化后的高
pic1_gray =pic1.convert('L')
pic2_gray =pic2.convert('L')
#显示图片
pic1_gray.show()
#计算两张图片的差异，返回每个像素的差异
diff = ImageChops.difference(pic1_gray,pic2_gray)
#统计差异的统计信息，计算整个图像或图像的部分区域的统计数据
stat = ImageStat.Stat(diff)
#输出差异的平均值，值越大差异越大
print(stat.mean[0])

输出：
39.72462890625

ImageStat.Stat：函数可以接受一个图像或一个掩码作为输入，并返回一个包含统计信息的实例。如果输入是图像，函数将计算整个图像的统计数据。如果输入是掩码，函数将仅针对掩码所定义的区域进行统计。

ImageStat.Stat函数提供了一些属性来访问计算出的统计信息，例如mean（平均值）、median（中位数）、mode（众数）和std（标准差）等。此外，该函数还提供了extrema属性，用于获取图像中每个通道的最大值和最小值。

 二.使用CV2(pillow)模块进行图片对比：

2.1安装CV2(opencv)模块

pip install opencv-python

2.2示例代码

#读取完整图片，如果通道缺失则会报错
pic1=cv2.imread("D:/autotest/11.png",cv2.IMREAD_UNCHANGED)
pic2=cv2.imread("D:/autotest/22.png",cv2.IMREAD_UNCHANGED)
#计算img的直方图
H1=cv2.calcHist([pic1],[1],None,[256],[0,256])
H2=cv2.calcHist([pic2],[1],None,[256],[0,256])
#对图片进行归一化处理
H3=cv2.normalize(H1,H1,0,1,cv2.NORM_MINMAX,-1)
H4=cv2.normalize(H2,H2,0,1,cv2.NORM_MINMAX,-1)
#利用compareHist进行相似度比较
diff=cv2.compareHist(H3,H4,0)
print(diff)

输出：
39.72462890625

2.3 cv2的calcHist函数

cv2.calcHist是OpenCV 库中的一个函数，用于计算图像的直方图。直方图是一种用于表示图像像素强度分布的图形，可以用于图像分析、特征提取等任务。基本语法如下：

　　　　cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, dtype]])

• images：输入图像数组，可以是彩色图像(多通道)或灰度图像(单通道)
• channels：表示要计算直方图的通道数，如果是彩色图像，通常为 [0, 1, 2] 表示分别计算红、绿、蓝三个通道的直方图；如果是灰度图像，通常为 [0]。
• mask：掩膜图像，用于指定计算直方图的区域。如果不需要使用掩膜，则传递 None。
• histSize：表示直方图的尺寸，通常是一个包含两个元素的元组，表示直方图的行数和列数。
• ranges：表示像素值的范围，通常是一个包含两个元素的元组，表示要计算的像素值的范围。例如，对于灰度图像，通常为 (0, 256)。
• hist：直方图数组的名称。如果指定了该参数，则函数将返回一个新创建的直方图数组；否则，将返回直方图数组的引用。
• dtype：表示返回的直方图的类型。如果指定了该参数，则函数将返回指定类型的直方图；否则，将根据输入图像的类型自动选择合适的类型。

2.4cv2的normalize函数

 cv2.normalize 是 OpenCV 库中的一个函数，用于对图像进行归一化处理。归一化是图像处理中常用的预处理步骤之一，可以将图像的像素值范围调整到指定的范围，如 [0, 1] 或 [0, 255]。基本语法如下：

　　　　cv2.normalize(src, dst, alpha=1.0, beta=0, norm_type=cv2.NORM_MINMAX, dtype=cv2.CV_32F)

• src：输入图像，可以是多通道图像（MxNxC）或单通道图像（MxN）。
• dst：输出图像，与输入图像的大小和通道数相同。
• alpha：缩放系数，归一化后的最小值，指定将像素值缩放到哪个范围，默认为 0。
• beta：缩放系数，归一化后的最大值，，指定超出缩放范围时的像素值，默认为 1。
• norm_type：归一化类型，默认为 cv2.NORM_MINMAX，表示将像素值缩放到 [0, 1] 范围。
• • cv2.NORM_INF: 最大规范化；
  • cv2.NORM_L1: 绝对值之和；
  • cv2.NORM_L2: 向增量平方和的平方根；
  • cv2.NORM_MINMAX: 最小和最大归一化；
  • cv2.NORM_RELATIVE: 相对规范化；
  • cv2.NORM_TYPE_MASK: 掩模类型；
  • cv2.NORM_DIFF: 差异；
• dtype：输出图像的数据类型，默认为 cv2.CV_32F，表示输出图像为浮点型。

2.5cv2的compareHist函数

 cv2.compareHist 是 OpenCV 库中的一个函数，用于比较两个直方图。这个函数可以用来比较两个直方图的相似性，常用于图像识别和特征比较。函数返回一个浮点数，表示两个直方图的相似性程度。值越接近 1，表示两个直方图越相似；值越接近 0，表示两个直方图越不相似。基本语法如下：

　　　　cv2.compareHist(hist1, hist2, method)

• hist1：第一个直方图，通常是通过 cv2.calcHist 函数计算出来的。
• hist2：第二个直方图，与第一个直方图具有相同的尺寸和类型。
• method：比较直方图的方法，分别对应不同的相似性度量方式

• • cv::HISTCMP_CORREL = 0,
  • cv::HISTCMP_CHISQR = 1,
  • cv::HISTCMP_INTERSECT = 2,
  • cv::HISTCMP_BHATTACHARYYA = 3,
  • cv::HISTCMP_HELLINGER = HISTCMP_BHATTACHARYYA,
  • cv::HISTCMP_CHISQR_ALT = 4,
  • cv::HISTCMP_KL_DIV = 5