gpt4 book ai didi

python - 将url中的图像与python中文件系统中的图像进行比较

转载 作者:太空狗 更新时间:2023-10-30 01:44:57 24 4
gpt4 key购买 nike

有没有一种快速简便的方法来进行这种比较?

我在 stackoverflow 上发现了一些图像比较问题,但没有一个能真正证明这个问题的答案。

我的文件系统中有图像文件和一个从 url 获取图像的脚本。我想检查 url 中的图像是否已经与磁盘上的图像相同。通常我会将磁盘中的图像和 url 加载到 PIL 对象并使用我发现的以下函数:

def equal(im1, im2):
return ImageChops.difference(im1, im2).getbbox() is None

但是,如果您使用 PIL 将图像保存到磁盘,这将不起作用,因为即使您将质量设置为 100 im1.save(outfile,quality=100),它也会被压缩。

我的代码目前如下: http://pastebin.com/295kDMsp但图像总是以重新保存结束。

最佳答案

问题的标题表明您要比较两张完全相同的图像,这很容易完成。现在,如果您有相似的图像要比较,那么这就解释了为什么您没有找到完全满意的答案:没有适用于每个问题并给出预期结果的指标(请注意,预期结果因应用程序而异)。问题之一是很难——在没有共同协议(protocol)的意义上——比较具有多个波段的图像,比如彩色图像。为了解决这个问题,我将考虑在每个波段中应用给定的指标,并且该指标的结果将是最低的结果值。这假设指标有一个确定的范围,比如 [0, 1],并且这个范围内的最大值意味着图像是相同的(根据给定的指标)。反之,最小值表示图像完全不同。

因此,我在这里要做的就是为您提供两个指标。其中之一是 SSIM另一个我称之为 NRMSE(均方误差根的归一化)。我选择介绍第二种方法,因为它是一种非常简单的方法,可能足以解决您的问题。

让我们从示例开始。图像按以下顺序排列:f = PNG 格式的原始图像,g1 = 质量为 f 50% 的 JPEG(使用 convert f -quality 50 g 制作),g2 = f 的 JPEG 1% 质量,h = "lightened"g2。

enter image description here enter image description here enter image description here enter image description here

结果(四舍五入):

  • NRMSE(f, g1) = 0.96
  • NRMSE(f, g2) = 0.88
  • NRMSE(f, h) = 0.63
  • SSIM(f, g1) = 0.98
  • SSIM(f, g2) = 0.81
  • SSIM(f, h) = 0.55

在某种程度上,这两个指标都很好地处理了修改,但 SSIM 表现得更明智,当图像实际上在视觉上不同时报告较低的相似性,而当图像实际上在视觉上不同时报告较高的值视觉上非常相似。下一个示例考虑彩色图像(f = 原始图像,g = 5% 质量的 JPEG)。

enter image description here enter image description here

  • NRMSE(f, g) = 0.92
  • SSIM(f, g) = 0.61

因此,由您决定您喜欢的指标及其阈值。

现在,指标。我将 NRMSE 命名为 1 - [RMSE/(maxval - minval)]。其中 maxval 是被比较的两幅图像的最大强度,minval 分别相同。 RMSE 由 MSE 的平方根给出:sqrt[(sum(A - B) ** 2)/|A|],其中 |A|表示A中的元素个数。这样一来,RMSE给出的最大值就是maxval。如果您想进一步了解图像中 MSE 的含义,请参阅,例如,https://ece.uwaterloo.ca/~z70wang/publications/SPM09.pdf .指标 SSIM(结构相似性)涉及更多,您可以在前面包含的链接中找到详细信息。要轻松应用指标,请考虑以下代码:

import numpy
from scipy.signal import fftconvolve

def ssim(im1, im2, window, k=(0.01, 0.03), l=255):
"""See https://ece.uwaterloo.ca/~z70wang/research/ssim/"""
# Check if the window is smaller than the images.
for a, b in zip(window.shape, im1.shape):
if a > b:
return None, None
# Values in k must be positive according to the base implementation.
for ki in k:
if ki < 0:
return None, None

c1 = (k[0] * l) ** 2
c2 = (k[1] * l) ** 2
window = window/numpy.sum(window)

mu1 = fftconvolve(im1, window, mode='valid')
mu2 = fftconvolve(im2, window, mode='valid')
mu1_sq = mu1 * mu1
mu2_sq = mu2 * mu2
mu1_mu2 = mu1 * mu2
sigma1_sq = fftconvolve(im1 * im1, window, mode='valid') - mu1_sq
sigma2_sq = fftconvolve(im2 * im2, window, mode='valid') - mu2_sq
sigma12 = fftconvolve(im1 * im2, window, mode='valid') - mu1_mu2

if c1 > 0 and c2 > 0:
num = (2 * mu1_mu2 + c1) * (2 * sigma12 + c2)
den = (mu1_sq + mu2_sq + c1) * (sigma1_sq + sigma2_sq + c2)
ssim_map = num / den
else:
num1 = 2 * mu1_mu2 + c1
num2 = 2 * sigma12 + c2
den1 = mu1_sq + mu2_sq + c1
den2 = sigma1_sq + sigma2_sq + c2
ssim_map = numpy.ones(numpy.shape(mu1))
index = (den1 * den2) > 0
ssim_map[index] = (num1[index] * num2[index]) / (den1[index] * den2[index])
index = (den1 != 0) & (den2 == 0)
ssim_map[index] = num1[index] / den1[index]

mssim = ssim_map.mean()
return mssim, ssim_map


def nrmse(im1, im2):
a, b = im1.shape
rmse = numpy.sqrt(numpy.sum((im2 - im1) ** 2) / float(a * b))
max_val = max(numpy.max(im1), numpy.max(im2))
min_val = min(numpy.min(im1), numpy.min(im2))
return 1 - (rmse / (max_val - min_val))


if __name__ == "__main__":
import sys
from scipy.signal import gaussian
from PIL import Image

img1 = Image.open(sys.argv[1])
img2 = Image.open(sys.argv[2])

if img1.size != img2.size:
print "Error: images size differ"
raise SystemExit

# Create a 2d gaussian for the window parameter
win = numpy.array([gaussian(11, 1.5)])
win2d = win * (win.T)

num_metrics = 2
sim_index = [2 for _ in xrange(num_metrics)]
for band1, band2 in zip(img1.split(), img2.split()):
b1 = numpy.asarray(band1, dtype=numpy.double)
b2 = numpy.asarray(band2, dtype=numpy.double)
# SSIM
res, smap = ssim(b1, b2, win2d)

m = [res, nrmse(b1, b2)]
for i in xrange(num_metrics):
sim_index[i] = min(m[i], sim_index[i])

print "Result:", sim_index

请注意,当给定的 window 大于它们时,ssim 拒绝比较图像。 window 通常非常小,默认为 11x11,因此如果您的图像小于该尺寸,则没有太多“结构”(来自指标名称)可供比较,您应该使用其他东西(与其他函数 nrmse 一样)。可能有更好的方法来实现 ssim,因为在 Matlab 中它运行得更快。

关于python - 将url中的图像与python中文件系统中的图像进行比较,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/13875989/

24 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com