比较图像以找出差异

任务：我们在我们装配线的末端安装了摄像头，其中捕获生产物品的图像。举个例子说，我们产生票（其上有一些文字和图片）。所以每张产生的票都被拍成照片并保存到磁盘上作为图像。现在我想检查这些保存的图像的异常（即比较他们的图像（模板），这是OK）。因此，如果在我们的组装线上出现问题（包含缺失图片，污点等），我的应用程序应该找到它（因为它的图像与我的模板相差太多）。比较图像以找出差异

问：什么是最简单的方法来比较图片，并找到他们之间的差异？我是否需要编写自己的方法，或者我可以使用现有的方法吗？如果我只是设置一个容差值（即图像可以不同于1％），将会很好，将两个图像放在一个函数中，并获得返回值true或false :)

工具：C＃或VB。 NET，Emgu.CV（OpenCV的.NET包装）或类似的东西

来源

2010-03-31 sventevit

我支持d建议看看AForge Imaging library，因为它对这类工作有很多真正有用的功能。

有几种方法可以使用：

简单的减法（模板图像 - 电流），看看有多少像素是不同的。您可能想要对结果进行阈值设置，即只包含10或更多（例如）不同的像素。
如果票据可以在视野内移动，那么物品1）将不起作用，除非您可以先查找票证。例如，如果票据在黑色背景上是白色的，那么您可以在图片上设置一个阈值，这会让您知道票据的位置。
我之前使用过的另一种技术是“模型查找”或“模式匹配”，但我只知道包含这些函数的商业库Matrox Imaging Library（或MIL），因为它们不是微不足道的。

此外，您还需要确保知道票的哪些部分更重要。例如，我猜想一个缺失的标志或水印是一个大问题。但是一些区域可能有可变的文本，比如序列号，所以你会期望它们有所不同。基本上你可能需要将图像的某些区域与其他区域区别开来。

来源

2010-04-01 09:32:13

我不知道细节，但我知道在高吞吐量是必不可少的工业环境中，有时候使用神经网络来完成。它们将数百万位（相机像素）变成1（好或坏）。也许这会帮助你进行搜索。

来源

2010-03-31 13:55:57 Rene

我对OpenCV并不了解，但对图像处理有点不了解。

要走的路要看拍摄新照片的频率。一个简单的方法是计算一个你'好'的模板和你实际产品的图像的差异图片。

如果图像是100％相同的，您的结果图像应该是空的。如果存在残余像素，则可以将这些像素计数，并将其作为偏离标准的度量。

但是，您必须匹配其中一个图像的方向（以及可能的比例）以对齐边界，否则此方法将无法使用。

如果您有时间限制，您可能需要在处理图像之前减少图像中的信息（例如，使用边缘检测和/或将其转换为灰度甚至单色位图（如果产品的功能足够重要）

来源

2010-03-31 14:36:49 sum1stolemyname

肯定有应用程序和库已经做了你想做的事情，但我不知道任何手段。很明显，我们可以将这两个图像进行散列并进行比较，但是期望的结果是与完全相同，并且不会为光线差异或类似情况留下任何余地。

假设你已经控制了图像中的物体，等同定向和定位相同，有一件事你可能做的是通过每幅图像的像素游行，并得到各的HSV值，就像这样：

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();

并与这些值做一些比较。这可以让你比较它们，我认为，比使用RGB值更可靠，特别是因为你想在你的比较中包含一些容差。

编辑：

只是为了好玩，我写了上面使用我的想法有点示例应用程序。基本上，它总计了H，S和V值相差一定数量（我选择0.1作为我的值）的像素数量，然后如果H，S或V计数器超过38400或2％像素（0.02 * 1600 * 1200）。在最糟糕的情况下，比较两张相同的图像需要大约2秒。当我比较一幅被改变的图像超过2％的值时，通常会花费几分之一秒。

很明显，如果每秒都会产生大量图像，这可能会太慢，但我认为这很有趣。

来源

2010-03-31 14:37:45 itsmatt

散列是一个不错的主意，但由于每个图像的像素数量很大（想到1600 * 1200字节或灰度为1.875 MB），整个图像上的像素逐像素分析不会产生最佳性能 – sum1stolemyname 2010-03-31 14:51:27

似乎就像它取决于所用算法的速度一样，因为任何预计能够识别1-2％的差异的算法都必须遍历整个文件。也许做一个快速减去图像，然后总结余下的。这将尽可能快地完成，同时仍然检查整个图像。 – tloflin 2010-03-31 16:16:40