图像比较算1.docVIP

图像比较算法 我试图向对方的图像进行比较，以了解他们是否是不同的。首先，我试图做的，是RGB值皮尔逊correleation，这作品也相当不错，除非图片是豆蔻位转移。因此，如果有一个100％相同的影像，但一个是有点感动，我得到一个坏的相关值。 为更好的算法有什么建议？ 顺便说一句，我说的，比较imgages千... 编辑：这是一个）的例子，我的照片（微观： im1： /uploads/c603225337.jpg IM2的： /uploads/9b78f22f42.jpg 交调： /uploads/854dcd81eb.jpg im1和IM2是相同的，但有点转向/切削，交调，应当确认为完全地不同... 编辑：问题是解决与彼得汉森的建议的！作品非常好！感谢所有的答案！有些结果可以在这里找到/download-2054026/image％5Fcomparision.pdf.html  7 Replies 1) 如果您的问题是关于移动像素，也许你应该对一个比较频变换。 应确定了FFT（ numpy有一个二维矩阵执行 ），但我总是听到小波是工作更好地为这一类的^ _ ^ 有关性能，如果所有的图像的大小相同，如果我记得很清楚，在FFTW的包创建为每个输入的FFT大小的专门功能，这样你就可以得到一个不错的性能提升重用相同的代码...我不知道是否numpy是FFTW的基础，但如果它不是你也许可以尝试一下那里进行调查。 在这里，您有一个原型...你可以用它玩一点点，看看哪些适合你的形象与门槛。 import Image import numpy import sys def main(): img1 = Image.open(sys.argv[1]) img2 = Image.open(sys.argv[2]) if img1.size != img2.size or img1.getbands() != img2.getbands(): return -1 s = 0 for band_index, band in enumerate(img1.getbands()): m1 = numpy.fft.fft2(numpy.array([p[band_index] for p in img1.getdata()]).reshape(*img1.size)) m2 = numpy.fft.fft2(numpy.array([p[band_index] for p in img2.getdata()]).reshape(*img2.size)) s += numpy.sum(numpy.abs(m1-m2)) print s if __name__ == __main__: sys.exit(main()) 另一种方法可以进行模糊的图像，然后减去两个图像的像素值。如果不同的是不为零，那么你就可以改变图像的像素1在每个方向之一，并再次进行比较，如果不同的是比上一步低，你可以重复在梯度方向移动，直到差减去大于一定的阈值或增加再次降低。这应该工作，如果内核的模糊的半径比的图像转变为大。 此外，您可以尝试用一些工具，如常用的是在摄影工作流程或融合多重论述，做全景帕诺工具 。  2) 我想你可以做这样的事情： 估计垂直/水平位移的参考图像比的比较形象。一个简单的SAD（差异绝对值）与运动矢量会做。 相应地转变形象的比较 Pearson相关计算您试图做 位移测量并不困难。 以一个地区（约32x32说比较形象）。 在垂直方向和y像素水平移动它由x像素。 计算的SAD（绝对差的总和）相对于原始图像 不要在一个小范围（-10，+10这几个值的x和y） 找到的地方，不同的是最低 选择该值作为转移载体的议案 注意： 如果未来是非常高的SAD对于x的所有值和y，那么你可以认为反正是非常不同的图像，并把测量是没有必要的。  3) 我有一个做一本与图像的直方图进行比较。我的基本算法是这样的： 图像分割成红，绿，蓝 创建规范化为红色，绿色和蓝色通道直方图和他们连接成一个向量(r0...rn, g0...gn, b0...bn)其中n是“桶”的数目，256应该是足够 减去从另一个图像直方图这个直方图，并计算距离 这里是一些代码numpy和pil r = numpy.asarray(im.convert( RGB, (1,0,0,0, 1,0,0,0, 1,0,0,0) )) g = numpy.asarray(im.convert( RGB, (0,1,0,0, 0,1,0,0, 0,1,0,0)