详解如何使用opencv实现图片相似度检测

　　import cv2

　　import numpy as np

　　def calculate_complexity_similarity(img1_path, img2_path):

　　# 加载两张图片

　　img1 = cv2.imread(img1_path)

　　img2 = cv2.imread(img2_path)

　　# 将图片转换为灰度图像

　　gray_img1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)

　　gray_img2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

　　# 创建ORB特征检测器

　　orb = cv2.ORB_create()

　　# 检测特征点和描述符

　　kp1, des1 = orb.detectAndCompute(gray_img1, None)

　　kp2, des2 = orb.detectAndCompute(gray_img2, None)

　　# 将描述符类型转换为CV_8U

　　des1 = np.uint8(des1)

　　des2 = np.uint8(des2)

　　# 创建暴力匹配器

　　bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

　　# 进行特征匹配

　　matches = bf.match(des1, des2)

　　similarity = 0.0

　　# 根据特征点匹配结果计算相似度

　　if len(matches) > 0:

　　similarity = sum([match.distance for match in matches]) / len(matches)

　　print('图片相似度为：', similarity)

　　else:

　　print('未找到匹配的特征点')

　　return similarity

　　def calculate_histogram_similarity(img1_path, img2_path):

　　# 读取两张图片

　　img1 = cv2.imread(img1_path, cv2.IMREAD_GRAYSCALE)

　　img2 = cv2.imread(img2_path, cv2.IMREAD_GRAYSCALE)

　　# 计算直方图

　　hist1 = cv2.calcHist([img1], [0], None, [256], [0, 256])

　　hist2 = cv2.calcHist([img2], [0], None, [256], [0, 256])

　　# 归一化直方图

　　cv2.normalize(hist1, hist1, 0, 1, cv2.NORM_MINMAX)

　　cv2.normalize(hist2, hist2, 0, 1, cv2.NORM_MINMAX)

　　# 比较直方图

　　similarity = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)

　　if similarity < 0.2:

　　return similarity

　　# 将第二个图片切割为4个区域并分别计算相似度

　　h, w = img2.shape[:2]

　　img2_1 = img2[:h // 2, :w // 2]

　　img2_2 = img2[:h // 2, w // 2:]

　　img2_3 = img2[h // 2:, :w // 2]

　　img2_4 = img2[h // 2:, w // 2:]

　　sim_list = []

　　# 创建ORB特征检测器

　　orb = cv2.ORB_create()

　　kp1, des1 = orb.detectAndCompute(img1, None)

　　# 计算四个区域的相似度

　　for img in [img2_1, img2_2, img2_3, img2_4]:

　　kp2, des2 = orb.detectAndCompute(img, None)

　　if des1 is None or des2 is None:

　　print('未找到足够的特征点')

　　sim_list.append(0.1)

　　else:

　　des1 = np.uint8(des1)

　　des2 = np.uint8(des2)

　　bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)

　　matches = bf.match(des1, des2)

　　orb_similarity = 0.0

　　if len(matches) > 0:

　　orb_similarity = sum([match.distance for match in matches]) / len(matches)

　　sim_list.append(orb_similarity)

　　max_sim = max(sim_list)

　　print('图片相似度为：', max_sim)

　　return max_sim

　　if __name__ == '__main__':

　　img1_path = 'pic/straw1.png'

　　img2_path = 'pic/straw2.png'

　　# 加载两张图片

　　img1 = cv2.imread(img1_path)

　　img2 = cv2.imread(img2_path)

　　# 计算ORB特征相似度

　　orb_similarity = calculate_complexity_similarity(img1_path, img2_path)

　　# 计算直方图相似度

　　hist_similarity = calculate_histogram_similarity(img1_path, img2_path)

　　# 将第二张图片切割为4个区域

　　h, w = img2.shape[:2]

　　img2_1 = img2[:h // 2, :w // 2]

　　img2_2 = img2[:h // 2, w // 2:]

　　img2_3 = img2[h // 2:, :w // 2]

　　img2_4 = img2[h // 2:, w // 2:]

　　# 在图片上绘制绿色框和相似度

　　cv2.rectangle(img2, (0, 0), (w // 2, h // 2), (0, 255, 0), 2)

　　cv2.putText(img2, f" {orb_similarity:.2f}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

　　cv2.rectangle(img2, (w // 2, 0), (w, h // 2), (0, 255, 0), 2)

　　cv2.putText(img2, f" {hist_similarity:.2f}", (w // 2 + 10, 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

　　cv2.rectangle(img2, (0, h // 2), (w // 2, h), (0, 255, 0), 2)

　　cv2.putText(img2, f" {orb_similarity:.2f}", (10, h // 2 + 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

　　cv2.rectangle(img2, (w // 2, h // 2), (w, h), (0, 255, 0), 2)

　　cv2.putText(img2, f" {hist_similarity:.2f}", (w // 2 + 10, h // 2 + 30), cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 255, 0), 2)

　　# 显示结果图片

　　cv2.namedWindow('Image', cv2.WINDOW_NORMAL)

　　cv2.resizeWindow('Image', 800, 600)

　　cv2.imshow('Image', cv2.resize(img2, (0, 0), fx=0.5, fy=0.5))

　　cv2.waitKey(0)

　　cv2.destroyAllWindows()