🔍 Как найти отличия на двух картинках с помощью Python

Чтобы найти отличия на двух картинках с помощью Python, вы можете использовать библиотеку OpenCV. Вот пример кода:

import cv2

# Загрузка картинок
image1 = cv2.imread('путь_к_первой_картинке')
image2 = cv2.imread('путь_к_второй_картинке')

# Преобразование картинок в градации серого
gray1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)

# Вычисление разности между картинками
diff = cv2.absdiff(gray1, gray2)

# Применение порогового значения для выделения отличий
_, threshold = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)

# Поиск контуров
contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# Отрисовка контуров на второй картинке
cv2.drawContours(image2, contours, -1, (0, 0, 255), 2)

# Отображение результатов
cv2.imshow('Результат', image2)
cv2.waitKey(0)
cv2.destroyAllWindows()
    

Приведенный код загружает две картинки, преобразует их в градации серого и вычисляет разницу между ними. Затем применяется пороговое значение для выделения отличий, и используется метод поиска контуров для нахождения отличий на второй картинке. Результат отображается в окне.

Как найти отличия на двух картинках с помощью Python

Поиск отличий на двух картинках может быть полезным в различных ситуациях, например, для автоматической проверки изменений в изображениях или для обнаружения дефектов на производственных линиях. В этой статье мы рассмотрим, как использовать Python для выполнения такой задачи.

Импорт библиотек

Перед тем, как приступить к сравнению картинок, нам понадобятся некоторые библиотеки Python. Воспользуемся библиотеками OpenCV и numpy для обработки изображений, а также matplotlib для отображения результатов.

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

Загрузка и предобработка картинок

Прежде всего, мы должны загрузить две картинки, которые мы хотим сравнить. Для удобства дадим им имена "image1.jpg" и "image2.jpg". Воспользуемся функцией cv2.imread() из библиотеки OpenCV, чтобы загрузить изображения.

        
image1 = cv2.imread("image1.jpg")
image2 = cv2.imread("image2.jpg")
        
    

Часто бывает полезно предварительно обработать изображения, чтобы убрать шум или выровнять контрастность. В нашем случае мы можем использовать функцию cv2.cvtColor() для преобразования изображений в оттенки серого.

        
gray_image1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
gray_image2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)
        
    

Вычисление разницы между картинками

Теперь, когда у нас есть две предобработанных картинки, мы можем вычислить их разницу. Для этого можно воспользоваться функцией cv2.absdiff(), которая выполняет поэлементную разницу между двумя массивами.

        
diff = cv2.absdiff(gray_image1, gray_image2)
        
    

Результатом операции будет изображение, на котором яркими точками будут выделены места, где разница между картинками наибольшая.

Пороговая обработка и выделение контуров

Чтобы упростить дальнейший анализ, мы можем применить пороговую обработку к разнице между картинками. Это позволит нам оставить только яркие точки, указывающие на отличия.

        
_, threshold = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)
        
    

После применения пороговой обработки мы можем найти контуры на полученном изображении с помощью функции cv2.findContours().

        
contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
        
    

Отображение результатов

Для визуализации результатов можно нарисовать контуры на исходных картинках с использованием функции cv2.drawContours().

        
result1 = cv2.drawContours(image1, contours, -1, (0, 255, 0), 2)
result2 = cv2.drawContours(image2, contours, -1, (0, 255, 0), 2)
        
    

Теперь мы можем отобразить исходные картинки и результаты обработки в окнах с помощью функции plt.imshow().

        
plt.subplot(2, 2, 1), plt.imshow(image1), plt.title('Исходная картинка 1')
plt.subplot(2, 2, 2), plt.imshow(result1), plt.title('Результат обработки 1')
plt.subplot(2, 2, 3), plt.imshow(image2), plt.title('Исходная картинка 2')
plt.subplot(2, 2, 4), plt.imshow(result2), plt.title('Результат обработки 2')

plt.show()
        
    

Вывод

В данной статье мы рассмотрели, как использовать Python для поиска отличий на двух картинках. Мы загрузили картинки, предобработали их, вычислили разницу и выделили отличия с помощью пороговой обработки и выделения контуров. Затем мы визуализировали результаты на исходных картинках. Этот подход может быть полезен в различных ситуациях, где необходимо автоматически обнаруживать изменения в изображениях.