需求
需要对比两张图片，并识别出图片是否一致，如果不一致，则用矩形框圈出来。没错，这就像大家来找茬的游戏。
思考
- 图片是否一致，先用MD5校验，如果文件二进制MD5完全一致，那么两张图片肯定一样。
- 假设图片不一样，那则需要
计算机视觉范畴解析图片并做出判断，并处理差异部分 - 针对差异部分，希望软件可以识别区域内有差距的地方，并用矩形框框选显示，用于客户快速定位。
百度一下
首先我认为这种方案应该是成熟的应用方案，网上一找肯定有，结果不出所料。经过大量的信息筛选，我这边选出了几个优秀的方案。（此刻，辣鸡百度真的费时费力，资料大多是些无用信息或者滥竽充数，此刻感叹需要一个ChatGPT）
准备两张原图
第二张图片在第一章的基础上做一个红框 和一个difference文字
diffImg
软件下载地址 https://sourceforge.net/projects/diffimg/files/
是一款C端软件
下载，打开exe，打开两张图片，软件截图如下
差异图可保存，如下
总结：
- 可以看到差异百分比
- 可以看到图像不同的地方
- 研究了一下，没法更改差异的颜色，也无法框选
odiff
软件下载地址 https://github.com/dmtrKovalenko/odiff
开源软件，大家先上github看下介绍
参考github相关介绍，执行命令，如图
.\ODiffBin.exe --diff-color=#2f9b82 d:/temp/test1.png d:/temp/test3.png d:/temp/odiff.png
因为不同之处是红色，而这个软件默认的也是红色，所以命令指定了颜色输出
输出差异图图片
总结
- 输出有判断图片是否一致，不同的像素点数量，不同像素点百分比，输出不同点图片
- 可以指定输出不同区域像素颜色
- 无法框选不同区域，无法单独输出差异图
OPENCV+python
OPENCV 官网 https://opencv.org/
OPENCV github https://github.com/opencv/opencv
opencv百度百科介绍
OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和Mac OS操作系统上。 [1] 它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。
通过百度图片找茬关键字，大部分结果是基于opencv+python实现，当然，opencv的功能很强大，用于处理图片找茬只是一个简单应用，这里，我也做了简单测试
参考文档 https://pyimagesearch.com/2017/06/19/image-difference-with-opencv-and-python/
1. 安装python 及需要的库
- 安装 python
- 安装
pip install --upgrade scikit-image - 安装
pip install --upgrade imutils - 安装
pip install opencv-python
2. 编写python脚本
# import the necessary packages
from skimage.metrics import structural_similarity as compare_ssim
import argparse
import imutils
import cv2
import numpy as np
# construct the argument parse and parse the arguments
ap = argparse.ArgumentParser()
ap.add_argument("-f", "--first", required=True,
help="first input image")
ap.add_argument("-s", "--second", required=True,
help="second")
args = vars(ap.parse_args())
# load the two input images
imageA = cv2.imread(args["first"])
imageB = cv2.imread(args["second"])
# 先判断两张图片是否一致
difference = cv2.subtract(imageA, imageB)
result = not np.any(difference) #if difference is all zeros it will return False
if result is True:
print ("两张图片一样")
else:
print ("两张图片不一样")
# convert the images to grayscale
grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY)
# compute the Structural Similarity Index (SSIM) between the two
# images, ensuring that the difference image is returned
(score, diff) = compare_ssim(grayA, grayB, full=True)
diff = (diff * 255).astype("uint8")
print("SSIM: {}".format(score))
# threshold the difference image, followed by finding contours to
# obtain the regions of the two input images that differ
thresh = cv2.threshold(diff, 0, 255,
cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]
cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
cnts = imutils.grab_contours(cnts)
# loop over the contours
for c in cnts:
# compute the bounding box of the contour and then draw the
# bounding box on both input images to represent where the two
# images differ
(x, y, w, h) = cv2.boundingRect(c)
cv2.rectangle(imageA, (x, y), (x + w, y + h), (0, 0, 255), 2)
cv2.rectangle(imageB, (x, y), (x + w, y + h), (0, 0, 255), 2)
# show the output images 这个是打开图片，这里不需要
#cv2.imshow("Original", imageA)
#cv2.imshow("Modified", imageB)
#cv2.imshow("Diff", diff)
#cv2.imshow("Thresh", thresh)
cv2.imwrite("Original.jpg",imageA)
cv2.imwrite("Modified.jpg",imageB)
cv2.imwrite("thresh.jpg",thresh)
cv2.imwrite("diff.jpg",diff)
#
cv2.destroyAllWindows()
#cv2.waitKey(0)
3. 执行python命令
python image_diff.py --test1.png --second test3.png
如下图，框选的文件是输入和输出
脚本将输出四张图片，这里选一张输入标记图和差异图
总结
- opencv比较强大，可以做图片像素比较、相似度输出等
- 可以针对不同之处，做外框标识
三个软件对比总结
- 均可以找出图片不同之处，提供图片相似度、差异像素点数量等功能
- diffImg 和 odiff 基本上不用做开发，掌握简单使用方式即可达到效果
- opencv+python方案最为强大，可以框选出图片不同之处，但软件安装依赖配置较多，需要编写python脚本
以上，希望可以帮到大家，感谢点赞，比心~
by 王启昌 广州
