python3 image_detect_03.py --source_image=***.png --target_image=***.png

通过opencv,识别出两张不同部分。俗称大家一起来找茬

效果图

源代码 image_detect_03py

import numpy as np

from matplotlib import pyplot as plt

import argparse

def matchAB(fileA, fileB):

    # 读取图像数据

    imgA = cv2imread(fileA)

    imgB = cv2imread(fileB)

    # 转换成灰色

    grayA = cv2cvtColor(imgA, cv2COLOR_BGR2GRAY)

    grayB = cv2cvtColor(imgB, cv2COLOR_BGR2GRAY)

    # 获取A的大小

    height, width = grayAshape

    # 取局部图像，寻找匹配位置

    result_window = npzeros((height, width), dtype=imgAdtype)

    for start_y in range(0, height-100, 10):

        for start_x in range(0, width-100, 10):

            window = grayA[start_y:start_y+100, start_x:start_x+100]

            match = cv2matchTemplate(grayB, window, cv2TM_CCOEFF_NORMED)

            _, _, _, max_loc = cv2minMaxLoc(match)

            matched_window = grayB[max_loc[1]:max_loc[1]+100, max_loc[0]:max_loc[0]+100]

            result = cv2absdiff(window, matched_window)

            result_window[start_y:start_y+100, start_x:start_x+100] = result

    # 用四边形圈出不同部分

    _, result_window_bin = cv2threshold(result_window, 30, 255, cv2THRESH_BINARY)

    _, contours, _ = cv2findContours(result_window_bin, cv2RETR_EXTERNAL, cv2CHAIN_APPROX_SIMPLE)

    imgC = imgAcopy()

    for contour in contours:

        min = npnanmin(contour, 0)

        max = npnanmax(contour, 0)

        loc1 = (min[0][0], min[0][1])

        loc2 = (max[0][0], max[0][1])

        cv2rectangle(imgC, loc1, loc2, 255, 2)

    pltsubplot(1, 3, 1), pltimshow(cv2cvtColor(imgA, cv2COLOR_BGR2RGB)), plttitle('A'), pltxticks([]), pltyticks([])

    pltsubplot(1, 3, 2), pltimshow(cv2cvtColor(imgB, cv2COLOR_BGR2RGB)), plttitle('B'), pltxticks([]), pltyticks([])

    pltsubplot(1, 3, 3), pltimshow(cv2cvtColor(imgC, cv2COLOR_BGR2RGB)), plttitle('Answer'), pltxticks([]), pltyticks([])

    pltshow()

if __name__ == '__main__':

    parser = argparseArgumentParser()

    parseradd_argument(

        '--source_image',

        type=str,

        default='img/image01-0png',

        help='source image'

    )

    parseradd_argument(

        '--target_image',

        type=str,

        default='img/image01-1png',

        help='target image'

    )

    FLAGS, unparsed = parserparse_known_args()

    matchAB(FLAGSsource_image, FLAGStarget_image)

用image模块更直接，可以用getpixel获得像素值，给你个例子吧。

01#!/usr/bin/env python

02import Image

03import sys

04im = Imageopen(sysargv[1])

05width = imsize[0]

06height = imsize[1]

07print "/ width:%d /"%(width)

08print "/ height:%d /"%(height)

09count = 0

10for h in range(0, height):

11 for w in range(0, width):

12 pixel = imgetpixel((w, h))

13 for i in range(0,3):

14 count = (count+1)%16

15 if (count == 0):

16 print "0x%02x,/n"%(pixel[i]),

17 else:

18 print "0x%02x,"%(pixel[i]),

先对进行二值化处理。

由于这些格子大小均匀，所以可以使用常规的除法，先裁剪出第一个格子：

e=a[:,:,0]shape

f=a[0:int(e[0]/9),0:int(e[1]/9)]

ioimsave('00png',f)

下图是等比例放大的效果图。

第一列第二个格子：

m=1

n=0

f=a[int(me[0]/9):int((m+1)e[0]/9),int(ne[1]/9):int((n+1)e[1]/9)]

第一行第二个格子：

m=0

n=1

f=a[int(me[0]/9):int((m+1)e[0]/9),int(ne[1]/9):int((n+1)e[1]/9)]

这样，用for循环，可以实现全部裁剪：

for m in range(9):

for n in range(9):

f=a[int(me[0]/9):int((m+1)e[0]/9),int(ne[1]/9):int((n+1)e[1]/9)]

ioimsave('0/'+str(m)+'-'+str(n)+'png',f)

去除边界的黑框，只保留数字或空白：

for m in range(9):

for n in range(9):

f=a[int(me[0]/9)+10:int((m+1)e[0]/9)-10,int(ne[1]/9)+10:int((n+1)e[1]/9)-10]

ioimsave('0/'+str(m)+'-'+str(n)+'png',f)

以上就是关于python3 image_detect_03.py --source_image=***.png --target_image=***.png全部的内容，包括:python3 image_detect_03.py --source_image=***.png --target_image=***.png、使用python PIL处理图片。怎么获取图片的像素数据、在python中怎么裁剪图片大小如何利用Python裁剪图片等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！