使用Python和PIL计算两张图片的均方根差异

Question

我需要一个类似于此处找到的函数：http://effbot.org/zone/pil-comparing-images.htm ，它可以计算两个图像之间的均方根差异。代码如下：

import ImageChops
import math, operator

def rmsdiff(im1, im2):
    "Calculate the root-mean-square difference between two images"

    h = ImageChops.difference(im1, im2).histogram()

    # calculate rms
    return math.sqrt(reduce(operator.add,
        map(lambda h, i: h*(i**2), h, range(256))
        ) / (float(im1.size[0]) * im1.size[1]))

尝试运行此代码会导致以下错误：TypeError:不支持的操作数类型 ** 或 pow()：'NoneType' 和 'int'。这是什么问题？

- pythoncoder

Answer 1

问题是创建了一个直方图，其中没有值（或者真正的None值），在没有相应像素值的地方。

例如，当您找到两个图像之间的差异时，生成的图像不具有任何像素，比如说，43个单位，因此h [43] = None。

稍后，您尝试访问范围（256）中每个亮度的像素数，并将其平方，这导致它对None ** 2的含义感到困惑。

考虑将 range（256）更改为 h.keys（）。

此外，您正在使用h表示两个不同的内容，请考虑更改一个名称，或更好的是，将两个名称更改为有意义的名称。

- Oddthinking

Answer 2

看起来这里并不真正需要使用map和reduce。

rmsdiff的改进版本可能如下：

def rmsdiff(im1, im2):
    "Calculate the root-mean-square difference between two images"
    diff = ImageChops.difference(im1, im2)
    h = diff.histogram()
    sq = (value*((idx%256)**2) for idx, value in enumerate(h))
    sum_of_squares = sum(sq)
    rms = math.sqrt(sum_of_squares/float(im1.size[0] * im1.size[1]))
    return rms

这里是源码。Mark Krautheim提出的改良在我的测试中至少有一个重要原因：与原版本相反，当比较一张图像与其本身时，它会返回0.0。

- Tan

Answer 3

野蛮猜测一下，但请尝试在您的最后一行中使用此代码，并查看是否有效：

return math.sqrt(sum(h*(i**2) for i, h in enumerate(h))) / (float(im1.size[0]) * im1.size[1]))

我不确定为什么会出现您描述的TypeError，但如果您使用上面的代码行并仍然出现此错误，那么肯定发生了非常奇怪的事情。

- David Z

Answer 4

考虑使用现有的解决方案，例如scikit-image来解决这个问题：

from PIL import Image # No need for ImageChops
import math
from skimage import img_as_float
from skimage.measure import compare_mse as mse

def rmsdiff(im1, im2):
    """Calculates the root mean square error (RSME) between two images"""
    return math.sqrt(mse(img_as_float(im1), img_as_float(im2)))

或者你可以使用NumPy自己编写一些简短的内容：

from PIL import Image, ImageChops
import math
import numpy as np

def rmsdiff(im1, im2):
    """Calculates the root mean square error (RSME) between two images"""
    errors = np.asarray(ImageChops.difference(im1, im2)) / 255
    return math.sqrt(np.mean(np.square(errors)))

请注意，这两种方法都将像素强度视为范围为[0.0, 1.0]而不是[0, 255]。

- Hans Cronau

Answer 5

查看这里https://gist.github.com/bo858585/5377492 。 该脚本将用户目录（指定）中的所有jpg图像按其相似性分组，使用两个比较图像对应位置（在20 x 20矩阵上）的每一对相应像素之间的均方根（不分成sqrt（3） - 像素是3数字RGB向量）来计算它们之间的差异。脚本汇总这些像素对之间的距离，并将此总和除以最大可能距离 - 这样脚本就得到了两个图像相似性的百分比。在将所有图像调整为20 * 20之前进行比较。您可以改变MAX_DISTANCE（从0到400），脚本将把更相似或更不相似的图像分组到一个组中。

- bo858585