有没有一种快速简便的方法来进行这样的比较？
我在stackoverflow上找到了几个图像比较的问题，但是没有一个能够回答这个问题。
我在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。通常情况下，我会将磁盘中的图像和url加载到PIL对象中，并使用以下函数：
def equal(im1, im2):
return ImageChops.difference(im1, im2).getbbox() is None
im1.save(outfile,quality=100)。让我们开始看一些例子。这些图片按照以下顺序排列：f = PNG格式的原始图片，g1 = f 50%质量的JPEG图片（使用convert f -quality 50 g创建），g2 = f 1%质量的JPEG图片，h = "lightened" g2。
结果（四舍五入）：
从某种意义上说，这两个指标都能很好地处理修改后的图像，但是SSIM表现更为敏感，当图像实际上不同但视觉上相似时，它报告较低的相似度，并在图像视觉上非常相似时报告更高的值。下一个例子考虑一个彩色图像（f = 原始图像，g = 5% 质量的 JPEG）。
因此，由您决定您喜欢的度量标准和其阈值。
现在来讲度量标准。我所称的NRMSE简单地是1-[RMSE/(maxval-minval)]。其中maxval是要比较的两幅图像中的最大强度，而minval也同理。RMSE由MSE的平方根给出：sqrt[(sum(A-B)**2)/|A|]，其中|A|表示A中的元素数量。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）更加复杂，您可以在前面提供的链接中找到详细信息。为了轻松应用这些度量标准，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
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大小，则没有太多“结构”（从度量的名称中可以看出）可供比较，您应该使用其他方法（例如另一个函数nrmse）。也许有更好的方法来实现ssim，因为在Matlab中运行得更快。scikit-image 库的 compare_ssim 方法。https://stackoverflow.com/a/52207748/3337089 - Nagabhushan S N您可以使用平方差进行比较。然后，您将设置一个阈值，例如95％，如果它们非常相似，则无需下载。这消除了压缩问题。
沿着Bartlomiej Lewandowski的建议，我建议比较直方图熵，这很容易且相对快速计算：
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]
...这个函数是我在auto-square-crop filter中使用的一个函数，但你可以使用熵值来比较任意两个图像（即使它们大小不同）。
我还有其他应用这种想法的例子，如果您想让我发送特定的示例，请在评论中告诉我。
5.74535571765，从 URL 中读取的文件得到了值 4.85352821002。我该如何比较这些值，并决定文件是否相似？ - Oskari Kantoniemi