5

有没有一种快速简便的方法来进行这种比较？

我发现很少有来自 stackoverflow 的图像比较问题，但没有一个实际上证明了这个问题的答案。

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 对象并使用我找到的以下函数：

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 ，它也会被压缩im1.save(outfile,quality=100)。

我的代码目前如下： http: //pastebin.com/295kDMsp 但图像总是最终重新保存。

4

3 回答 3

15

问题的标题表明您有两个确切的图像要比较，这很简单。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令人满意的答案：没有适用于每个问题的指标给出预期结果（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。这假设度量标准具有良好的范围，例如 [0, 1]，并且此范围内的最大值意味着图像是相同的（根据给定的度量标准）。反过来，

所以，我在这里要做的就是给你两个指标。其中一个是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，因为它是一种非常简单的方法，它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 50% 的 JPEG f（使用 制作convert f -quality 50 g），g2 = 质量为 1% 的 JPEG f，h =“变亮”g2。

在此处输入图像描述 在此处输入图像描述 在此处输入图像描述 在此处输入图像描述

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通过在图像实际上在视觉上不同时报告较低的相似性以及通过在图像在视觉上非常相似时报告更高的值来显示更明智。下一个示例考虑彩色图像（f = 原始图像，g = 5% 质量的 JPEG）。

在此处输入图像描述 在此处输入图像描述

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

因此，由您决定您喜欢的指标是什么以及它的阈值。

现在，指标。我命名为 NRMSE 的只是 1 - [RMSE / ( maxval- minval)]。哪里maxval是来自被比较的两个图像的最大强度，并且对于 分别相同minval。RMSE 由 MSE 的平方根给出：sqrt[(sum(A - B) ** 2) / |A|]，其中 |A| 表示 A 中的元素数。通过这样做，RMSE 给出的最大值为maxval。如果您想进一步了解图像中 MSE 的含义，请参见例如https://ece.uwaterloo.ca/~z70wang/publications/SPM09.pdf。度量标准 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，当给定大于图像时，ssim拒绝比较图像。通常非常小，默认为 11x11，因此如果您的图像小于该值，则没有太多“结构”（来自度量的名称）可比较，您应该使用其他东西（如其他功能window）。可能有更好的方法来实现，因为在 Matlab 中它运行得更快。windownrmsessim

于 2012-12-14T19:18:19.103 回答
1

您可以进行自己的比较 - 使用平方差。然后，您将设置一个阈值，例如 95%，如果它们相似，那么您不必下载它。它消除了压缩问题

于 2012-12-14T09:44:32.753 回答
0

根据Bartlomiej Lewandowski的建议，我建议比较直方图熵，这很容易计算并且相对快速：

def histogram_entropy(im):
    """ Calculate the entropy of an images' histogram.
    Used for "smart cropping" in easy-thumbnails;
    see also https://raw.github.com/SmileyChris/easy-thumbnails/master/easy_thumbnails/utils.py
    """
    if not isinstance(im, Image.Image):
        return 0  # Fall back to a constant entropy.

    histogram = im.histogram()
    hist_ceil = float(sum(histogram))
    histonorm = [histocol / hist_ceil for histocol in histogram]

...这个功能是我在我构建的自动方形裁剪过滤器中使用的功能- 但您可以使用熵值来比较任何两个图像（即使是不同大小的图像）。

我还有其他应用这种想法的示例，如果您希望我以您的方式发送特定示例，请在评论中告诉我。

于 2012-12-14T09:55:49.863 回答