我正在尝试衡量两个图像之间的百分比差异。
读了很多资料后，我似乎有很多选择，但我不确定最好的方法是什么：
我见过的方法有：
非特定语言 - 学术 Image comparison - fast algorithm 和 Mac 特定直接像素访问 http://www.markj.net/iphone-uiimage-pixel-color/
对于以上两种情况和有代码示例来展示如何应用它们，是否有人对哪种解决方案最有意义有任何建议？
【问题讨论】：
NSData的实例吗？
标签： objective-c algorithm image macos image-processing
我已经使用此处提到的直方图技术成功计算了两个图像之间的差异。 redmoskito 在您链接到的SO question 中的回答实际上是我的灵感！
以下是我使用的算法的概述：
n * n“子图像”网格。然后，对于子图像对：
正如 tkuzzy 在他的回答中指出的那样，如果您的最终目标是二进制“是的，这两个图像（大致）相同”或“不，它们不是”，那么您需要一些有意义的阈值。您可以通过将图像传递给算法并根据其输出以及 您 认为图像的相似程度调整阈值来生成这样的值。我想是machine learning 的一种形式。
我最近就这个主题写了blog post，尽管这是一个更大目标的一部分。我还创建了一个简单的 iPhone 应用程序来演示该算法。您可以在GitHub 上找到源代码；也许会有所帮助？
【讨论】：
如果您不告诉我们更多有关图片或变化的信息，就很难提出建议。它们是形状吗？它们是不同的对象吗？您想知道什么类别的对象吗？它们是同一个对象，您想区分对象实例吗？他们是脸吗？他们是指纹吗？物体的姿势相同吗？同一光照下？
当您说性能时，您的具体意思是什么？图片有多大？总而言之，这真的取决于。如果只是便于编码和性能，我会建议您只找到像素差异的绝对值。这非常容易编码，而且速度也很快，但除了最综合的例子之外，真的不太可能适用于任何其他东西。
话虽如此，我想向您指出：DHOG、GLOH、SURF 和 SIFT。
【讨论】：
您可以使用上述小伙子建议的相当基本的减法技术。 @carlosdc 对这种基本技术可用于的图像类型一针见血。我附上了一个示例，您可以自己查看结果。
第一个显示在某个时间 t 的模拟图像。从第一个图像中减去第二个图像，该图像是在 t + dt 一段时间后拍摄的（模拟）。减去的图像（为清楚起见以黑白形式显示）然后显示模拟在此期间的变化情况。这是如上所述完成的，非常强大且易于编码。
希望对你有所帮助
【讨论】：
这是一些旧的讨厌的 FORTRAN，但应该给你基本的方法。一点也不难。由于我是在两种颜色的调色板上执行此操作的，因此您将为 R、G 和 B 执行此操作。即计算每个单元格/像素中的强度或值，将它们存储在某个数组中。对另一张图像执行相同的操作，并从另一个数组中减去一个数组，这将为您留下一些色彩丰富的减法图像。我的建议是按照上面的小伙子们的建议，计算 R、G 和 B 分量之和的大小，这样你就可以得到一个值。将其写入数组，对其他图像执行相同操作，然后减去。然后为 R、G 或 B 创建一个新范围，并将得到的减法数组映射到此范围，这样可以得到更清晰的图像。
* =============================================================
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
! =============================================================
希望这有一些用处。一切顺利。
【讨论】：
在您的第一个链接中描述的方法中，直方图比较方法是迄今为止编码最简单且速度最快的方法。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：
我不知道找到图像关键点的任何精确算法。但是，一旦您为每个图像找到了它们，您就可以对每个关键点进行逐个像素的比较。
【讨论】：