🔍 Как сравнить картинки в Python: лучшие методы и инструменты

Для сравнения изображений в Python вы можете использовать библиотеку PIL (Python Imaging Library) и модуль imagehash. Вот пример кода:

from PIL import Image
import imagehash

# Загрузите изображения
image1 = Image.open('путь_к_первому_изображению.jpg')
image2 = Image.open('путь_к_второму_изображению.jpg')

# Вычислите хэш изображений
hash1 = imagehash.average_hash(image1)
hash2 = imagehash.average_hash(image2)

# Сравните хэши и определите сходство в процентах
similarity = 1 - (hash1 - hash2) / len(hash1.hash)  # Чем ближе значение к 1, тем больше сходство

# Выведите результат
print(f'Сходство изображений: {similarity * 100}%')
    

В данном примере мы используем среднюю хэш-функцию (average hash), которая преобразует изображение в хэш-код. Затем мы вычисляем сходство двух изображений, используя разницу их хэшей. Чем ближе значение к 1, тем больше изображения похожи друг на друга.

Как сравнить картинки в Python

Сравнение картинок в Python может быть полезным при автоматическом определении изменений в изображениях, поиске дубликатов или анализе сходства между различными изображениями. В этой статье мы рассмотрим несколько способов сравнения картинок в Python и предоставим примеры кода.

1. Сравнение с использованием библиотеки PIL

Python Imaging Library (PIL) - это библиотека, которая предоставляет множество функций для работы с изображениями. Она позволяет нам получить доступ к пикселям изображения и сравнить их значения. Для начала установим библиотеку PIL:

pip install Pillow

Давайте рассмотрим пример кода, который сравнивает два изображения с использованием среднеквадратичной разности:

from PIL import Image
import math

def compare_images(image1, image2):
    img1 = Image.open(image1)
    img2 = Image.open(image2)

    h1 = img1.histogram()
    h2 = img2.histogram()

    rms = math.sqrt(sum((h1[i] - h2[i])**2 for i in range(len(h1))))

    return rms

result = compare_images('image1.jpg', 'image2.jpg')
print("Результат сравнения:", result)

В этом примере функция compare_images открывает два изображения и вычисляет гистограммы для каждого изображения. Затем она вычисляет среднеквадратичную разность между гистограммами и возвращает результат.

2. Сравнение с использованием библиотеки OpenCV

Библиотека OpenCV предоставляет еще более мощные инструменты для работы с изображениями, включая функции сравнения исходных пикселей, вычисления структурированных сходств и поиска ключевых особенностей изображений. Установим библиотеку OpenCV:

pip install opencv-python

Давайте рассмотрим пример кода, который сравнивает два изображения с использованием функции сравнения пикселей:

import cv2

def compare_images(image1, image2):
    img1 = cv2.imread(image1)
    img2 = cv2.imread(image2)

    difference = cv2.subtract(img1, img2)
    result = not cv2.countNonZero(difference)

    return result

result = compare_images('image1.jpg', 'image2.jpg')
print("Результат сравнения:", result)

В этом примере функция compare_images загружает два изображения и использует функцию subtract из библиотеки OpenCV для вычисления разницы между пикселями изображений. Затем она использует функцию countNonZero для подсчета ненулевых пикселей в разнице и возвращает соответствующий результат сравнения.

3. Сравнение с использованием библиотеки scikit-image

Библиотека scikit-image также предоставляет множество функций для работы с изображениями, включая инструменты для сравнения изображений. Установим библиотеку scikit-image:

pip install scikit-image

Давайте рассмотрим пример кода, который сравнивает два изображения с использованием структурного сходства:

from skimage.measure import compare_ssim
from skimage import io

def compare_images(image1, image2):
    img1 = io.imread(image1)
    img2 = io.imread(image2)

    similarity = compare_ssim(img1, img2)

    return similarity

result = compare_images('image1.jpg', 'image2.jpg')
print("Результат сравнения:", result)

В этом примере функция compare_images использует функцию compare_ssim из библиотеки scikit-image для вычисления структурного сходства между двумя изображениями. Она возвращает результат сравнения.

Заключение

В этой статье мы рассмотрели несколько способов сравнения картинок в Python с использованием различных библиотек. Мы использовали библиотеки PIL, OpenCV и scikit-image, чтобы продемонстрировать функциональность сравнения изображений.

Какой метод выбрать - зависит от ваших конкретных потребностей и требований проекта. У каждой библиотеки есть свои преимущества и ограничения. Рекомендуется изучить документацию библиотек и экспериментировать с различными подходами, чтобы найти наиболее подходящий для вашего конкретного случая.

Надеюсь, эта статья помогла вам лучше понять, как сравнивать картинки в Python. Успехов в ваших проектах!