【Python】OpenCV-图片差异检测与标注

图片差异检测与标注

在图像处理领域中,检测两张图片之间的差异是一项重要的任务。本文将介绍一个使用OpenCV库进行图片差异检测的简单示例代码,并详细注释每个步骤。

1. 引言

图片差异检测是在两张图片之间寻找差异点或区域的过程。这项技术可用于监测图像变化,如运动物体的出现或图片内容的修改。在这个示例代码中,我们将演示如何使用OpenCV检测两张图片之间的差异,并标注出差异的区域。

2. 代码示例

以下是一个使用OpenCV的图片差异检测示例代码,其中包含了详细的注释:

import cv2
import numpy as npdef detect(src_img, dst_img):# 对原始图像和目标图像进行高斯模糊,以减少噪声影响src_img = cv2.GaussianBlur(src_img, [5, 5], 0)dst_img = cv2.GaussianBlur(dst_img, [5, 5], 0)# 计算两张图像的差异diff = cv2.absdiff(src_img, dst_img)# 转换为灰度图gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)# 应用阈值化,得到二值图像_, result = cv2.threshold(gray, 20, 255, cv2.THRESH_BINARY)# 对二值图像进行膨胀,突出差异区域result = cv2.dilate(result, np.ones([5, 5]))# 寻找差异区域的轮廓contours, _ = cv2.findContours(result, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)areas = []# 计算轮廓面积for c in contours:area = cv2.contourArea(c)areas.append(area)areas = np.array(areas)# 获取面积最大的5个轮廓index = np.argsort(areas)[-5:]top5_contours = []rect_pos = []# 提取前5个轮廓,并获取其边界矩形的坐标for i in range(5):top5_contours.append(contours[index[i]])for c in top5_contours:# x y w hrect_pos.append(cv2.boundingRect(c))return rect_pos# 读取原始图像和目标图像
src_img = cv2.imread("src_img.jpg")
dst_img = cv2.imread("dst_img.jpg")# 调用差异检测函数,获取差异区域的矩形坐标
rects = detect(src_img, dst_img)# 在目标图像上标注差异区域
for x, y, w, h in rects:cv2.rectangle(dst_img, [x, y], [x + w, y + h], [0, 0, 255], 3)# 显示原始图像和标注差异的目标图像
cv2.imshow("src_img", src_img)
cv2.imshow("dst_img", dst_img)
cv2.waitKey(0)
  • 原图
    在这里插入图片描述
  • 识别并画框
    在这里插入图片描述

3. 代码解释

3.1 图片预处理

首先,对原始图像和目标图像进行高斯模糊,以减少噪声的影响。

3.2 图片差异计算

通过absdiff函数计算两张图像之间的差异,得到差异图像。

3.3 灰度化与阈值化

将差异图像转换为灰度图,并通过阈值化得到二值图像,以突出差异。

3.4 膨胀操作

通过膨胀操作,增强差异区域,便于后续轮廓检测。

3.5 轮廓检测

使用findContours函数寻找差异区域的轮廓,并计算每个轮廓的面积。

3.6 提取前5个差异区域

通过面积排序,提取前5个面积最大的差异区域。

3.7 边界矩形提取与标注

提取差异区域的边界矩形坐标,并在目标图像上标注出这些差异区域。

4. 结论

通过上述代码示例,我们演示了如何使用OpenCV进行图片差异检测,并在目标图像上标注出差异区域。这项技术在图像比对、监控系统等领域有着广泛的应用,可以用于检测图像中的变化,帮助用户及时发现异常情况。详细的注释有助于理解代码的每一步操作,为初学者提供了一个学习的起点。

代码参考源自:Shady的混乱空间

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/702548.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

顺序表知识点——顺序表的增删查改

目录 准备文件 创建顺序表蓝图 顺序表初始化函数接口 顺序表的销毁函数接口 顺序表的打印函数接口 顺序表的插入函数接口 顺序表的删除函数接口 从本节开始, 复习数据结构。 空间复杂度还有时间复杂度之后利用例题学习。 这节先学习顺序表的增删查改。 首…

LeetCode49 字母异位词分组

LeetCode49 字母异位词分组 在这篇博客中,我们将探讨 LeetCode 上的一道经典算法问题:字母异位词分组。这个问题要求将给定的字符串数组中的字母异位词组合在一起,并以任意顺序返回结果列表。 问题描述 给定一个字符串数组 strs&#xff0…

并发编程基础

为什么开发中需要并发编程? 加快响应用户的时间使你的代码模块化、异步化、简单化充分利用CPU资源 基础概念 进程和线程 进程 我们常听说的应用程序,由指令和数据组成。当我们不运行应用程序时,这些应用程序就是放在磁盘上的二进制的代码…

【MATLAB】mlptdenoise信号分解+FFT傅里叶频谱变换组合算法

有意向获取代码,请转文末观看代码获取方式~ 展示出图效果 1 mlptdenoise分解算法 MLPT denoise(Maximum Likelihood Parameter-Tuned Denoise)是一种基于小波变换的信号分解算法,它可以将信号分解为多个具有不同频率特性的小波分…

LeetCode 2859.计算K置位下标对应元素的和

给你一个下标从 0 开始的整数数组 nums 和一个整数 k 。 请你用整数形式返回 nums 中的特定元素之 和 ,这些特定元素满足:其对应下标的二进制表示中恰存在 k 个置位。 整数的二进制表示中的 1 就是这个整数的 置位 。 例如,21 的二进制表示…

Threejs 实现3D影像地图,Json地图,地图下钻

1.使用threejs实现3D影像地图效果,整体效果看起来还可以,底层抽象了基类,实现了通用,对任意省份,城市都可以只替换数据,即可轻松实现效果。 效果如下: 链接https://www.bilibili.com/video/BV1…

Javascript 函数和对象

【六】函数 函数(Function)是一种可重复使用的代码块,用于执行特定的任务或计算,并可以接受参数和返回值。 【1】函数声明 function functionName(parameter1, parameter2, ...) {// 函数体// 执行特定的任务或计算// 可以使用…

H5/CSS 笔试面试考题(91-100)

简述div 元素的哪些 CSS 属性的默认值为 0 ( ) A:border-top-width B:outline-width C:padding-top D:margin-top 面试通过率:76.0% 推荐指数: ★★★ 试题难度: 初级 试题类型: 选择题 答案:c、d 简述下列关于背景定位属性 background-position 说法正确的是 ( ) A:…

嵌入式学习笔记总结Day24

今天进入了下一个阶段的学习——进程与线程的学习 今天主要了解了进程的相关知识以及linux系统中对进程进行控制的一些函数接口 一、概念 程序:存放在外存中的一段数据组成的文件 进程:是一个程序动态执行的过程,包括进程的创建、进程的调度、进程的消…

【人工智能高频面试题--基本篇】

🚀 作者 :“码上有前” 🚀 文章简介 :人工智能高频面试题 🚀 欢迎小伙伴们 点赞👍、收藏⭐、留言💬 人工智能高频面试题--基本篇 1.深度学习和过往的神经网络训练方法有什么区别?列举…

Linux互斥体的驱动程序测试

一. 简介 上一篇文章学习如何在驱动代码中使用互斥锁。文章地址如下: Linux内核中处理并发与竞争的互斥体的驱动实现-CSDN博客 本文对所实现的驱动进行测试。确定互斥锁是否实现对 Led设备的互斥访问,即一次只能一个应用程序访问Led设备。 二. Linux互斥体的驱动程序测试…

LED流水灯实验

#include "reg52.h" #include <intrins.h> //包含函数_crol_,_cror_ typedef unsigned int u16; //对系统默认参数重新定义 typedef unsigned char u8; #define LED_PORT P2 //使用宏定义P2端口 void delay_10…

Panalog大数据日志审计系统libres_syn_delete.php命令执行漏洞

声明 本文仅用于技术交流&#xff0c;请勿用于非法用途 由于传播、利用此文所提供的信息而造成的任何直接或者间接的后果及损失&#xff0c;均由使用者本人负责&#xff0c;文章作者不为此承担任何责任。 1、产品简介 Panalog大数据日志审计系统定位于将大数据产品应用于高校…

Element UI 组件的安装及使用

Element UI是基于Vue.js 的一套企业级的前端UI 组件库&#xff0c;它包含了丰富的UI组件供开发者使用&#xff0c;极大的提高生产效率。这篇文章将帮你快速了解Element UI的安装和使用。 一、安装 Element UI 首先&#xff0c;你需要在你的环境中安装Node.js&#xff0c;因为…

【.xml文件匹配不到】⭐️解决使用mybatis-plus找不到对应的xml文件导致的持久层方法报错

前言 小伙伴们大家好&#xff0c;很快嗷&#xff0c;到了年后的第一周&#xff0c;最近在自己电脑上敲项目时遇到一个平时可能不怎么遇到的问题&#xff0c;就是mybatis持久层框架使用时找不到对应的xml配置文件&#xff0c;也就导致自己写的持久层方法报错 接口报错内容&…

win11修改网络算法为BBR2_提升网络环境质量

Win11 BBR2 是Google开发的一种高效的网络拥塞控制算法&#xff0c;玩 Linux 的朋友应该对它还有锐速不陌生。相比Windows默认使用的 CUBIC 算法&#xff0c;BBR2 在网络吞吐量、延迟、全局性能等方面都有一定优势。 如果你日常网络经常丢包或者高延迟可以尝试切换为BBR2算法。…

实施工程师前后端项目部署流程一次完成

目录 一、jdk安装具体步骤 二、tomcat安装具体步骤 三、MySql具体步骤 修改密码 登录 四、nginx安装 4.1、Nginx 4.2、操作步骤 安装ssl证书&#xff08;https&#xff09; 开80端口 测试 设置自启动 五、后端部署tomcat负载均衡 5.1、为什么要使用 5.2、搭建ngin…

抖音视频提取软件怎么用|抖音数据抓取工具

针对用户获取抖音视频的需求&#xff0c;我们开发了一款功能强大的抖音视频提取软件&#xff0c;旨在帮助用户轻松获取他们感兴趣的视频内容。无需逐个复制链接&#xff0c;无需繁琐的下载步骤&#xff0c;我们的软件让抖音视频获取变得简单快捷。 使用我们的软件非常简单&…

Open3D 基于最小生成树的法线定向 (27)

Open3D 基于最小生成树的法线定向 (27) 一、算法介绍二、算法实现一、算法介绍 法线计算的方向通常都存在方向问题,用Open3D估计的点云法线,是在每个点的局部进行拟合,估计的法线方向并不一致,Open3D提供了使用最小生成树调整法线到统一方向的方法,下面是具体的实现代码…

停车场管理(C语言)

【题目描述】停车场管理。设有一个可以停放n辆汽车的狭长停车场&#xff0c;它只有一个大门可以供车辆进出。车辆按到达停车场时间的先后次序依次从停车场最里面向大门口处停放 (即最先到达的第一辆车停放在停车场的最里面) 。如果停车场已放满n辆车&#xff0c;则以后到达的车…