比較圖像以找出差異

任務：我們在我們裝配線的末端安裝了攝像頭，其中捕獲生產物品的圖像。舉個例子說，我們產生票（其上有一些文字和圖片）。所以每張產生的票都被拍成照片並保存到磁盤上作爲圖像。現在我想檢查這些保存的圖像的異常（即比較他們的圖像（模板），這是OK）。因此，如果在我們的組裝線上出現問題（包含缺失圖片，污點等），我的應用程序應該找到它（因爲它的圖像與我的模板相差太多）。比較圖像以找出差異

問：什麼是最簡單的方法來比較圖片，並找到他們之間的差異？我是否需要編寫自己的方法，或者我可以使用現有的方法嗎？如果我只是設置一個容差值（即圖像可以不同於1％），將會很好，將兩個圖像放在一個函數中，並獲得返回值true或false :)

工具：C＃或VB。 NET，Emgu.CV（OpenCV的.NET包裝）或類似的東西

來源

2010-03-31 sventevit

我支持d建議看看AForge Imaging library，因爲它對這類工作有很多真正有用的功能。

有幾種方法可以使用：

簡單的減法（模板圖像 - 電流），看看有多少像素是不同的。您可能想要對結果進行閾值設置，即只包含10或更多（例如）不同的像素。
如果票據可以在視野內移動，那麼物品1）將不起作用，除非您可以先查找票證。例如，如果票據在黑色背景上是白色的，那麼您可以在圖片上設置一個閾值，這會讓您知道票據的位置。
我之前使用過的另一種技術是「模型查找」或「模式匹配」，但我只知道包含這些函數的商業庫Matrox Imaging Library（或MIL），因爲它們不是微不足道的。

此外，您還需要確保知道票的哪些部分更重要。例如，我猜想一個缺失的標誌或水印是一個大問題。但是一些區域可能有可變的文本，比如序列號，所以你會期望它們有所不同。基本上你可能需要將圖像的某些區域與其他區域區別開來。

來源

2010-04-01 09:32:13

我不知道細節，但我知道在高吞吐量是必不可少的工業環境中，有時候使用神經網絡來完成。它們將數百萬位（相機像素）變成1（好或壞）。也許這會幫助你進行搜索。

來源

2010-03-31 13:55:57 Rene

我對OpenCV並不瞭解，但對圖像處理有點不瞭解。

要走的路要看拍攝新照片的頻率。一個簡單的方法是計算一個你'好'的模板和你實際產品的圖像的差異圖片。

如果圖像是100％相同的，您的結果圖像應該是空的。如果存在殘餘像素，則可以將這些像素計數，並將其作爲偏離標準的度量。

但是，您必須匹配其中一個圖像的方向（以及可能的比例）以對齊邊界，否則此方法將無法使用。

如果您有時間限制，您可能需要在處理圖像之前減少圖像中的信息（例如，使用邊緣檢測和/或將其轉換爲灰度甚至單色位圖（如果產品的功能足夠重要）

來源

2010-03-31 14:36:49 sum1stolemyname

肯定有應用程序和庫已經做了你想做的事情，但我不知道任何手段。很明顯，我們可以將這兩個圖像進行散列並進行比較，但是期望的結果是與完全相同，並且不會爲光線差異或類似情況留下任何餘地。

假設你已經控制了圖像中的物體，等同定向和定位相同，有一件事你可能做的是通過每幅圖像的像素遊行，並得到各的HSV值，就像這樣：

Color color1 = Image1.GetPixel(i,j); 
Color color2 = Image2.GetPIxel(i,j); 
float hue1 = color1.GetHue(); 
float sat1 = color1.GetSaturation(); 
float bright1 = color1.GetBrightness(); 
float hue2 = color2.GetHue(); 
float sat2 = color2.GetSaturation(); 
float bright2 = color2.GetBrightness();

並與這些值做一些比較。這可以讓你比較它們，我認爲，比使用RGB值更可靠，特別是因爲你想在你的比較中包含一些容差。

編輯：

只是爲了好玩，我寫了上面使用我的想法有點示例應用程序。基本上，它總計了H，S和V值相差一定數量（我選擇0.1作爲我的值）的像素數量，然後如果H，S或V計數器超過38400或2％像素（0.02 * 1600 * 1200）。在最糟糕的情況下，比較兩張相同的圖像需要大約2秒。當我比較一幅被改變的圖像超過2％的值時，通常會花費幾分之一秒。

很明顯，如果每秒都會產生大量圖像，這可能會太慢，但我認爲這很有趣。

來源

2010-03-31 14:37:45 itsmatt

散列是一個不錯的主意，但由於每個圖像的像素數量很大（想到1600 * 1200字節或灰度爲1.875 MB），整個圖像上的像素逐像素分析不會產生最佳性能 – sum1stolemyname 2010-03-31 14:51:27

似乎就像它取決於所用算法的速度一樣，因爲任何預計能夠識別1-2％的差異的算法都必須遍歷整個文件。也許做一個快速減去圖像，然後總結餘下的。這將盡可能快地完成，同時仍然檢查整個圖像。 – tloflin 2010-03-31 16:16:40