golang Image similarity comparison
目前网上找了很多的 图片相似 查找两张图片不同的部分，实现图像比较和标记以显示不同 ，很多都是python写的，没有找到go语言写的，所以想自己写一个
图片A 为参照物，去寻找图片B 的最佳重合位置，然后再查找图片的不同之处。这一步暂时未做，以后如果有时间或者相关需要 再写。 目前图片轮廓相同 未裁剪。 目前设想，可以截取图片A的部分 取匹配到图片B的位置上，然后再对比两个范围内的像素。
代码未优化 ，需改进。
AverageHash DifferenceHash PerceptionHash 三种常用算法,适合比对相似图片，我们是求差别。这三种算法，作为图片的相似性识别挺好。但是用来找差异，有些处理结果让人费解。
这是方式一 go/ImageDifferenceHash.go at main · shuidaan/go · GitHub
package main
import (
"errors"
"fmt"
"github.com/corona10/goimagehash"
"image"
"image/color"
"image/draw"
"image/jpeg"
"os"
"sort"
"strconv"
"time"
)
type outline struct {
x int
y int
}
type Outlinesort []outline
type Outlinesortx []outline
func (o Outlinesort) Len() int {
//返回传入数据的总数
return len(o)
}
func (o Outlinesort) Swap(i, j int) {
//两个对象满足Less()则位置对换
//表示执行交换数组中下标为i的数据和下标为j的数据
o[i], o[j] = o[j], o[i]
}
func (o Outlinesort) Less(i, j int) bool {
//按字段比较大小,此处是降序排序
//返回数组中下标为i的数据是否小于下标为j的数据
return o[i].y < o[j].y
}
func (o Outlinesortx) Len() int {
//返回传入数据的总数
return len(o)
}
func (o Outlinesortx) Swap(i, j int) {
//两个对象满足Less()则位置对换
//表示执行交换数组中下标为i的数据和下标为j的数据
o[i], o[j] = o[j], o[i]
}
func (o Outlinesortx) Less(i, j int) bool {
//按字段比较大小,此处是降序排序
//返回数组中下标为i的数据是否小于下标为j的数据
return o[i].x < o[j].x
}
func main() {
file1, _ := os.Open("E:\wq\img\a0.jpg")
file2, _ := os.Open("E:\wq\img\a8.jpg")
defer file1.Close()
defer file2.Close()
img1, _ := jpeg.Decode(file1)
img2, _ := jpeg.Decode(file2)
width, high := img1.Bounds().Dx(),img1.Bounds().Dy()
var status,same, gap, z,h,w int = 0,1,1,0,8,8 //status same划线状态，gap允许色差 z多少个差别 h单个色块高 w单个色块宽
var outlines []outline = make([]outline,0,(width+high)/64)
b := img1.Bounds()
//根据b画布的大小新建一个新图像
m := image.NewRGBA(b)
draw.Draw(m, b, img1, b.Min, draw.Over)
测试被裁剪的小图是否全部加入对比
//sb1 := img1.Bounds()
根据b画布的大小新建一个新图像
//sm1 := image.NewRGBA(sb1)
//
//sb2 := img1.Bounds()
根据b画布的大小新建一个新图像
//sm2 := image.NewRGBA(sb2)
for i:= 0;i < width ; i+=w {
for j:=0 ; j < high ; j+=h {
subimg1,err := clip(img1,i,j,w,h)
if err != nil {
fmt.Println(err)
}
subimg2,err := clip(img2,i,j,w,h)
if err != nil {
fmt.Println(err)
}
//soffet1 := image.Pt(i,j)
//ssr1 := subimg2.Bounds()
//draw.Draw(sm1,sb1,subimg1,ssr1.Min.Sub(soffet1),draw.Over)
//soffet2 := image.Pt(i,j)
//ssr2 := subimg2.Bounds()
//draw.Draw(sm2,sb2,subimg2,ssr2.Min.Sub(soffet2),draw.Over)
hash1, _ := goimagehash.DifferenceHash(subimg1) //AverageHash DifferenceHash PerceptionHash 三种常用算法
hash2, _ := goimagehash.DifferenceHash(subimg2)
distance, err := hash1.Distance(hash2)
if err != nil {
fmt.Println(err)
}
if distance > gap {
offet := image.Pt(i,j)
sr := subimg2.Bounds()
outlines = append(outlines, outline{
x:i,
y:j,
})
draw.Draw(m,b,subimg2,sr.Min.Sub(offet),draw.Over)
if status == 0 && same == 1 {
drawline(i,j,4,2,w,m)
status = 1
}
z++
}
if status == 1 && distance <= gap {
outlines = append(outlines, outline{
x:i,
y:j,
})
drawline(i,j,4,3,w,m)
status,same = 0, 1
}
} //w
}//h
name1 := strconv.Itoa(int(time.Now().Unix()))
imgw, err := os.Create(name1 + "shuidaan.jpg")
if err != nil {
fmt.Println(err)
}
//测试被裁剪的小图是否全部加入对比
//simgw1, err := os.Create(name1 + "new1.jpg")
//if err != nil {
// fmt.Println(err)
//}
//simgw2, err := os.Create(name1 + "new2.jpg")
//if err != nil {
// fmt.Println(err)
//}
//sort.Sort(Outlinesortx(outlines))
sort.Sort(Outlinesort(outlines))
sortline(outlines)
for k,v := range outlines{
if k == 0 {
status, same= 0,0
}
if k+1 == len(outlines) {
drawline(outlines[k].x,outlines[k].y,4,1,w,m)
}
if status == 0 && same == 0 {
drawline(v.x,v.y,4,0,w,m)
same, status = v.x,1
continue
}
if v.x - same == w {
same, status= v.x,1
}
if (v.x - same > w || v.y != outlines[k-1].y ) && status == 1{
drawline(outlines[k-1].x,outlines[k-1].y,4,1,w,m)
same,status = 0, 0
}
}
jpeg.Encode(imgw, m, &jpeg.Options{100})
defer imgw.Close()
// // 测试被裁剪的小图是否全部加入对比
//jpeg.Encode(simgw1, sm1, &jpeg.Options{100})
//defer simgw1.Close()
//
//jpeg.Encode(simgw2, sm2, &jpeg.Options{100})
//defer simgw2.Close()
fmt.Println("切片大小 不同图像块 每次对比宽度分别是：", cap(outlines),z,w)
}
func clip(src image.Image, x, y, w, h int) (image.Image, error) {
var subImg image.Image
if rgbImg, ok := src.(*image.YCbCr); ok {
subImg = rgbImg.SubImage(image.Rect(x, y, x+w, y+h)).(*image.YCbCr) //图片裁剪x0 y0 x1 y1
} else if rgbImg, ok := src.(*image.RGBA); ok {
subImg = rgbImg.SubImage(image.Rect(x, y, x+w, y+h)).(*image.RGBA) //图片裁剪x0 y0 x1 y1
} else if rgbImg, ok := src.(*image.NRGBA); ok {
subImg = rgbImg.SubImage(image.Rect(x, y, x+w, y+h)).(*image.NRGBA) //图片裁剪x0 y0 x1 y1
} else {
return subImg, errors.New("图片解码失败")
}
return subImg, nil
}
func drawline(x, y, size, dire, zone int, m *image.RGBA) error {
//x,y划线起点坐标 size线粗 dire线方向 zone对比像素大小
size+=4
switch dire {
case 0:
for dot := 4;dot < size;dot++ {
for z:= 0;z < zone ;z++ {
m.Set(x-dot,y+z,color.RGBA{255, 0, 0, 255})
}
}
case 1:
for dot := 4;dot < size;dot++ {
for z:= 0;z < zone ;z++ {
m.Set(x+dot+zone,y+z,color.RGBA{0, 255, 0, 255})
}
}
case 2:
for dot := 4;dot < size;dot++ {
for z:= 0;z < zone ;z++ {
m.Set(x+z,y-dot,color.RGBA{255, 0, 0, 255})
}
}
case 3:
for dot := 4;dot < size;dot++ {
for z:= 0;z < zone ;z++ {
m.Set(x+z,y+dot,color.RGBA{0, 255, 0, 255})
}
}
default:
return errors.New("Parameter error")
}
return nil
}
// 排序，用于框出差异，优化减少重复设置像素 切片指针传递
func sortline(outlines Outlinesort) {
oy,startkey := -1,0
if len(outlines) > 0 {
oy = outlines[0].y
}
var sortx Outlinesort
for key,value := range outlines {
if value.y != oy {
sortx = outlines[startkey:key]
sort.Sort(Outlinesortx(sortx))
startkey,oy = key,value.y
}
if key == outlines.Len() {
sortx = outlines[startkey:key]
sort.Sort(Outlinesortx(sortx))
}
}
}
方式二
有点简单粗暴，直接逐个对比像素点。前提是要两张大小 轮廓 位置相同的图片。本来是设想对比相片是否相同，是否存在差异，固定架拍摄，因此轮廓相同。 后期考虑做图片位置重合匹配
https://gitee.com/shuidaan/golang/raw/master/ImageDifferencePx.go 源码
package main
import (
"errors"
"fmt"
"image"
"image/color"
"image/draw"
"image/jpeg"
"math"
"os"
"sort"
"strconv"
"time"
)
type outline struct {
x int
y int
}
type Outlinesort []outline
type Outlinesortx []outline
func (o Outlinesort) Len() int {
//返回传入数据的总数
return len(o)
}
func (o Outlinesort) Swap(i, j int) {
//两个对象满足Less()则位置对换
//表示执行交换数组中下标为i的数据和下标为j的数据
o[i], o[j] = o[j], o[i]
}
func (o Outlinesort) Less(i, j int) bool {
//按字段比较大小,此处是降序排序
//返回数组中下标为i的数据是否小于下标为j的数据
return o[i].y < o[j].y
}
func (o Outlinesortx) Len() int {
//返回传入数据的总数
return len(o)
}
func (o Outlinesortx) Swap(i, j int) {
//两个对象满足Less()则位置对换
//表示执行交换数组中下标为i的数据和下标为j的数据
o[i], o[j] = o[j], o[i]
}
func (o Outlinesortx) Less(i, j int) bool {
//按字段比较大小,此处是降序排序
//返回数组中下标为i的数据是否小于下标为j的数据
return o[i].x < o[j].x
}
func main() {
t2 := time.Now().Nanosecond()
file1, _ := os.Open(".\img\a0.jpg")
file2, _ := os.Open(".\img\a8.jpg")
defer file1.Close()
defer file2.Close()
img1, _ := jpeg.Decode(file1)
img2, _ := jpeg.Decode(file2)
width, high := img1.Bounds().Dx(),img1.Bounds().Dy()
var status,same, z,h,w int = 0,1,0,1,1 //status same划线状态，gap允许色差 z多少个差别 h单个色块高 w单个色块宽
var gap float64 = 1
var outlines []outline = make([]outline,0,(width*high)/32)
b := img1.Bounds()
//根据b画布的大小新建一个新图像
m := image.NewRGBA(b)
draw.Draw(m, b, img1, b.Min, draw.Over)
for i:= 0;i < width ; i+=w {
for j:=0 ; j < high ; j+=h {
subimg1px := rgb2gray1px(img1.At(i,j))
subimg2px := rgb2gray1px(img2.At(i,j))
//AverageHash DifferenceHash PerceptionHash 三种常用算法,适合比对相似图片。我们是求差别
distance := math.Abs(subimg1px - subimg2px)
if distance > gap {
z++
outlines = append(outlines, outline{
x:i,
y:j,
})
if status == 0 && same == 1 {
//outlines = append(outlines, outline{
// x:i,
// y:j,
//})
drawline(i,j,4,2,w,m) //竖向画框
status = 1
}
}
if status == 1 && distance <= gap {
outlines = append(outlines, outline{
x:i,
y:j,
})
drawline(i,j,4,3,w,m) //竖向画框
status,same = 0, 1
}
} //w
}//h
name1 := strconv.Itoa(int(time.Now().Unix()))
imgw, err := os.Create(name1 + "shuidaan.jpg")
if err != nil {
fmt.Println(err)
}
sort.Sort(Outlinesort(outlines))
sortline(outlines)
for k,v := range outlines{
if k == 0 {
status, same= 0,0
}
if k+1 == len(outlines) {
drawline(outlines[k].x,outlines[k].y,4,1,w,m)
}
if status == 0 && same == 0 {
drawline(v.x,v.y,4,0,w,m)
same, status = v.x,1
continue
}
if v.x - same == w {
same, status= v.x,1
}
if (v.x - same > w || v.y != outlines[k-1].y ) && status == 1{
drawline(outlines[k-1].x,outlines[k-1].y,4,1,w,m)
same,status = 0, 0
}
}
for _,v := range outlines{
m.Set(v.x,v.y,img2.At(v.x,v.y))
}
jpeg.Encode(imgw, m, &jpeg.Options{100})
defer imgw.Close()
t3:= time.Now().Nanosecond() -t2
fmt.Printf("This picture width is %d,height is %d pixels. The program runs for %d milliseconds. There are %d pixels that are different \n",width,high,t3/1e6,len(outlines))
fmt.Printf("图片宽 %d,高 %d 像素. 程序运行耗时 %d 毫秒. 相片有 %d 像素不同 \n",width,high,t3/1e6,len(outlines))
}
//由点划线
func drawline(x, y, size, dire, zone int, m *image.RGBA) error {
//x,y划线起点坐标 size线粗 dire线方向 zone对比像素大小
size+=4
switch dire {
case 0:
for dot := 4;dot < size;dot++ {
for z:= 0;z < zone ;z++ {
m.Set(x-dot,y+z,color.RGBA{255, 0, 0, 255})
}
}
case 1:
for dot := 4;dot < size;dot++ {
for z:= 0;z < zone ;z++ {
m.Set(x+dot+zone,y+z,color.RGBA{0, 255, 0, 255})
}
}
case 2:
for dot := 4;dot < size;dot++ {
for z:= 0;z < zone ;z++ {
m.Set(x+z,y-dot,color.RGBA{255, 0, 0, 255})
}
}
case 3:
for dot := 4;dot < size;dot++ {
for z:= 0;z < zone ;z++ {
m.Set(x+z,y+dot,color.RGBA{0, 255, 0, 255})
}
}
default:
return errors.New("Parameter error")
}
return nil
}
// 排序，用于框出差异，优化减少重复设置像素 切片指针传递
func sortline(outlines Outlinesort) {
oy,startkey := -1,0
if len(outlines) > 0 {
oy = outlines[0].y
}
var sortx Outlinesort
for key,value := range outlines {
if value.y != oy {
sortx = outlines[startkey:key]
sort.Sort(Outlinesortx(sortx))
startkey,oy = key,value.y
}
if key == outlines.Len() {
sortx = outlines[startkey:key]
sort.Sort(Outlinesortx(sortx))
}
}
}
//将rgb像素转化为gray，用于对比色差
func rgb2gray1px(colorImg color.Color) float64 {
r, g, b, _ := colorImg.RGBA()
lum := 0.299*float64(r/257) + 0.587*float64(g/257) + 0.114*float64(b/256)
return lum
}代码未优化 需改进
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）