传统图像处理案例:对比两张图的差异

今天想和大家分享的一个例子，很简单，就是对比两张图存在什么差异。

没错，大体就是像“大家一起来找茬”找不同的益智游戏那样。

玩法就是上下两张图片存在不同，让你对比并找出差异点。但是现在来说，这类游戏可以用算法来实现了。现在浮躁的人们，连玩儿都不认真对待了，一心想着那个名次排行榜。

下面就说一下最简单的实现方式。

就拿下面这张图来举例子:

我们仔细观察，就可以看出上下两张图的不同点：

• 左上角的气球不一样，一个椭圆，一个心形。
• 左边小橘猫戴的帽子不一样，底纹颜色不一样。
• 中间蛋糕底座不一样，一个有托，一个没有。
• 最右侧红狗耳朵不一样，一个耷拉着，一个翘起。

首先，我们会面对这么一张图片。可能是游戏截屏截来的，也可能通过接口或其他方式得来的。那么，第一步得把它的图片分割开，变成两张图片才好进行对比。

# 读取图像
image = cv2.imread("img.png")
# 将图像转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# 对灰度图像进行二值化处理，然后进行反转
_, binary_mask = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY_INV)
# 查找轮廓 cv2.CHAIN_APPROX_SIMPLE 只保留端点
contours, _ = cv2.findContours(binary_mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 每个边界框由四个值表示：x和y是边界框左上角的坐标，w和h是边界框的宽和高
bounding_boxes = [cv2.boundingRect(contour) for contour in contours]

首先，我们读入图片，之后通过cv2.cvtColor转为灰度图。

转为灰度图的好处就是便于处理，因为彩色图是3个通道，而灰度图只有1个通道。当转为灰度之后，再对图像进行二值化操作。

二值化操作cv2.threshold让原来灰度数值变为非黑即白，轮廓更加明显。以二值化数据为基础，再对数据进行轮廓查找cv2.findContours。

白色（255）是有值，黑色（0）默认是空白，通过轮廓就可以圈画出上下两张图。这样就得到了两张待对比的图片。

cv2.boundingRect可以从轮廓中圈出一个矩形。它里面包含了矩形的左上角的x,y坐标，以及图片的宽度w和高度h。因此，很方便就可以把这两张图从原图中剪出来，为了便于后续处理，我们直接从灰度图中裁剪。

img1_x, img1_y, img1_w, img1_h = boxes[0]
img2_x, img2_y, img2_w, img2_h = boxes[1]
gray1 = gray[img1_y:img1_y+img1_h, img1_x:img1_x+img1_w]
gray2 = gray[img2_y:img2_y+img2_h, img2_x:img2_x+img2_w]

通过cv2.absdiff就可以计算两张灰度图的差异：

# 计算图像差异
diff = cv2.absdiff(gray1, gray2)

这是什么意思呢？两张图如果完全一样，那么它俩应该是重合的，两者相减该是空白。但凡有些差别，那么两者的差异就会显现出来。

差异找到了，下面我们得把它标记出来。同样，又用到了二值化和寻找轮廓那一套方法。

# 二值化差异图像
_, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)
# 查找轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
bounding_boxes = [cv2.boundingRect(contour) for contour in contours]

最后，我们把轮廓给绘制到原图上，就得到了最终结果：

for x, y, w, h in bounding_boxes:
    x , y = x + img1_x, y + img1_y
    cv2.rectangle(image, (x, y), (x + w, y + h), (255, 0, 0), 2)

这就是“大家来找茬（找不同）”自动排查算法的最简实现方式。

首先，速度上我们肯定不如机器快。其次在识别度上，差异少的时候我们还可以用肉眼判断，当差异多了，我们真的很受限。就比如下面图片中小樱桃的方向，木地板的花纹等等。

当然，类似问题在实际操作过程中，会面临具体的问题，比如图片大小不一致等问题。但是这类思路是值得借鉴的。

就比如以下案例是在工业生产中的实践。当机械设备进行作业前拍摄一张图片，作业完毕后再进行一张图片。对比两者的区别，可以排查出设备是否有变化。

通过对变化进行分析，可以自动进行安全提醒。比如出现外壳损毁、螺丝脱落或者意外夹带出作业场地的物料等情况。

通过这个例子告诉大家，技术只是一个功能实现。但是当它被拓展到行业的应用场景中，它会发生很大变化。这个变化就是玩游戏和安全警示的区别。因此，技术不值钱，想法才是生产力。