n * n网格。然后，对于子图像对：
如果您没有更多关于图像或变化的信息，建议是非常困难的。它们是形状吗？它们是不同的对象，你想知道什么类的对象吗？它们是相同的对象，您想区分对象实例吗？它们是脸部吗？它们是指纹吗？这些对象处于相同的姿势下吗？在相同的光照下？
当您说性能时，您确切地指的是什么？这些图像有多大？总的来说，这取决于具体情况。根据您所说的，如果只是为了编码和性能方便，我建议只查找像素差的绝对值。这很容易编写，并且速度快，但真的只适用于最合成的示例。
话虽如此，我想向您指出：DHOG、GLOH、SURF 和 SIFT。
这是一些老旧的、难以理解的FORTRAN代码，但它应该可以给您提供基本思路。实际上并不难。由于我正在使用双色调板，您需要为R、G和B分别执行此操作。也就是说，计算每个单元格/像素中的强度或值，并将其存储在某个数组中。对于另一个图像也要执行相同的操作，然后将其中一个数组从另一个数组中减去，这将留下一些色彩丰富的差值图像。我的建议是按照上面的建议，计算R、G和B分量的总和的大小，这样您就只会得到一个值。将其写入数组，对于另一个图像也要执行相同的操作，然后相减。然后为R、G或B创建一个新范围，并将结果减去的数组映射到此范围内，这将使结果更加清晰。
* =============================================================
SUBROUTINE SUBTRACT(FNAME1,FNAME2,IOS)
* This routine writes a model to files
* =============================================================
* Common :
INCLUDE 'CONST.CMN'
INCLUDE 'IO.CMN'
INCLUDE 'SYNCH.CMN'
INCLUDE 'PGP.CMN'
* Input :
CHARACTER fname1*(sznam),fname2*(sznam)
* Output :
integer IOS
* Variables:
logical glue
character fullname*(szlin)
character dir*(szlin),ftype*(3)
integer i,j,nxy1,nxy2
real si1(2*maxc,2*maxc),si2(2*maxc,2*maxc)
* =================================================================
IOS = 1
nomap=.true.
ftype='map'
dir='./pictures'
! reading first image
if(.not.glue(dir,fname2,ftype,fullname))then
write(*,31) fullname
return
endif
OPEN(unit2,status='old',name=fullname,form='unformatted',err=10,iostat=ios)
read(unit2,err=11)nxy2
read(unit2,err=11)rad,dxy
do i=1,nxy2
do j=1,nxy2
read(unit2,err=11)si2(i,j)
enddo
enddo
CLOSE(unit2)
! reading second image
if(.not.glue(dir,fname1,ftype,fullname))then
write(*,31) fullname
return
endif
OPEN(unit2,status='old',name=fullname,form='unformatted',err=10,iostat=ios)
read(unit2,err=11)nxy1
read(unit2,err=11)rad,dxy
do i=1,nxy1
do j=1,nxy1
read(unit2,err=11)si1(i,j)
enddo
enddo
CLOSE(unit2)
! substracting images
if(nxy1.eq.nxy2)then
nxy=nxy1
do i=1,nxy1
do j=1,nxy1
si(i,j)=si2(i,j)-si1(i,j)
enddo
enddo
else
print *,'SUBSTRACT: Different sizes of image arrays'
IOS=0
return
endif
* normal finishing
IOS=0
nomap=.false.
return
* exceptional finishing
10 write (*,30) fullname
return
11 write (*,32) fullname
return
30 format('Cannot open file ',72A)
31 format('Improper filename ',72A)
32 format('Error reading from file ',72A)
end
! =============================================================
在你提供的第一个链接中，直方图比较方法是编码最简单、速度最快的方法。然而，关键点匹配将提供更准确的结果，因为您想知道描述两个图像之间差异的精确数字。
要实现直方图方法，我会执行以下操作：
我不知道任何精确的算法来查找图像的关键点。但是，一旦您为每个图像找到它们，就可以针对每个关键点进行逐像素比较。
NSData实例吗？ - aopsfan