python - 将url中的图像与python中文件系统中的图像进行比较

Question

有没有一种快速简便的方法来进行这种比较？

我在 stackoverflow 上发现了一些图像比较问题，但没有一个能真正证明这个问题的答案。

我的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。通常我会将磁盘中的图像和 url 加载到 PIL 对象并使用我发现的以下函数:

def equal(im1, im2):
    return ImageChops.difference(im1, im2).getbbox() is None

但是，如果您使用 PIL 将图像保存到磁盘，这将不起作用，因为即使您将质量设置为 100 im1.save(outfile,quality=100)，它也会被压缩。

我的代码目前如下: http://pastebin.com/295kDMsp 但图像总是以重新保存结束。

Answer 1

问题的标题表明您要比较两张完全相同的图像，这很容易完成。现在，如果您有相似的图像要比较，那么这就解释了为什么您没有找到完全满意的答案:没有适用于每个问题并给出预期结果的指标(请注意，预期结果因应用程序而异)。问题之一是很难——在没有共同协议(protocol)的意义上——比较具有多个波段的图像，比如彩色图像。为了解决这个问题，我将考虑在每个波段中应用给定的指标，并且该指标的结果将是最低的结果值。这假设指标有一个确定的范围，比如 [0, 1]，并且这个范围内的最大值意味着图像是相同的(根据给定的指标)。反之，最小值表示图像完全不同。

因此，我在这里要做的就是为您提供两个指标。其中之一是 SSIM另一个我称之为 NRMSE(均方误差根的归一化)。我选择介绍第二种方法，因为它是一种非常简单的方法，可能足以解决您的问题。

让我们从示例开始。图像按以下顺序排列:f = PNG 格式的原始图像，g1 = 质量为 f 50% 的 JPEG(使用 convert f -quality 50 g 制作)，g2 = f 的 JPEG 1% 质量，h = "lightened"g2。

结果(四舍五入):

• NRMSE(f, g1) = 0.96
• NRMSE(f, g2) = 0.88
• NRMSE(f, h) = 0.63
• SSIM(f, g1) = 0.98
• SSIM(f, g2) = 0.81
• SSIM(f, h) = 0.55

在某种程度上，这两个指标都很好地处理了修改，但 SSIM 表现得更明智，当图像实际上在视觉上不同时报告较低的相似性，而当图像实际上在视觉上不同时报告较高的值视觉上非常相似。下一个示例考虑彩色图像(f = 原始图像，g = 5% 质量的 JPEG)。

• NRMSE(f, g) = 0.92
• SSIM(f, g) = 0.61

因此，由您决定您喜欢的指标及其阈值。

现在，指标。我将 NRMSE 命名为 1 - [RMSE/(maxval - minval)]。其中 maxval 是被比较的两幅图像的最大强度，minval 分别相同。 RMSE 由 MSE 的平方根给出:sqrt[(sum(A - B) ** 2)/|A|]，其中 |A|表示A中的元素个数。这样一来，RMSE给出的最大值就是maxval。如果您想进一步了解图像中 MSE 的含义，请参阅，例如，https://ece.uwaterloo.ca/~z70wang/publications/SPM09.pdf .指标 SSIM(结构相似性)涉及更多，您可以在前面包含的链接中找到详细信息。要轻松应用指标，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

请注意，当给定的 window 大于它们时，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尺寸，则没有太多“结构”(来自指标名称)可供比较，您应该使用其他东西(与其他函数 nrmse 一样)。可能有更好的方法来实现 ssim，因为在 Matlab 中它运行得更快。