自动化测试中的图片相似度

上一篇 / 下一篇 2012-01-10 09:46:52

c++ opencv VS python PIL VS java BufferedImage

//=======================opencv=============================
基本介绍：
OpenCV的全称是：Open Source Computer Vision Library 。OpenCV于1999年由Intel建立，现在由Willow Garage提供支持。OpenCV是一个基于BSD许可证授权（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。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,最新版本是2.3。
应用领域：
1、人机互动
　　2、物体识别
　　3、图象分割
　　4、人脸识别
　　5、动作识别
　　6、运动跟踪
　　7、机器人
opencv直方图比较：
相关系数：

卡方：

交集：

巴氏距离：

相似度的源码：

/*
引入opencv
在项目属性的
头文件目录和库文件目录
分别加上OpenCV的头和库目录如
包含目录：
E:\code\vc2010\OpenCV2.2\include\opencv
E:\code\vc2010\OpenCV2.2\include\
库目录：
E:\code\vc2010\OpenCV2.2\lib

*/
#include <cv.h>
#include <highgui.h>
using namespace cv;

//直方图尺寸
int HistogramBins = 256;
float Range1[]={0,255};
float *HistogramRange=Range1;

//两个比较图形对象
IplImage *Image1=cvLoadImage("E:\\code\\python\\o_1.JPG",0);
IplImage *Image2=cvLoadImage("E:\\code\\python\\o_2.JPG",0);

//两个直方图对象
CvHistogram *Histogram1=cvCreateHist(1, &HistogramBins, CV_HIST_ARRAY, &HistogramRange);
CvHistogram *Histogram2=cvCreateHist(1, &HistogramBins, CV_HIST_ARRAY, &HistogramRange);

//直方图
cvCalcHist(&Image1,Histogram1);
cvCalcHist(&Image2,Histogram2);

//归一化直方图
cvNormalizeHist(Histogram1,1);
cvNormalizeHist(Histogram2,1);

//相似度比较方法：
printf(“相关系数: %.4f\n",cvCompareHist(Histogram1,Histogram2,CV_COMP_CORREL));
printf("卡方 : %.4f\n",cvCompareHist(Histogram1,Histogram2,CV_COMP_CHISQR));
printf("交集 : %.4f\n",cvCompareHist(Histogram1,Histogram2,CV_COMP_INTERSECT));
printf("巴氏距离 : %.4f\n",cvCompareHist(Histogram1,Histogram2,CV_COMP_BHATTACHARYYA));

/*
接口参考
http://fsa.ia.ac.cn/opencv-doc-cn/opencv-doc-cn-0.9.7/ref/opencvref_cv.cn.htm
*/

//=======================python PIL=============================
实现最简单，缺点是无论图片大小，采样点固定为768点，看了pil的C源码库，写死在代码中，
不过pil切割图片简单，大图可以切小块后，再比较

#导入pil库
import Image

#规格化图片方法
def make_regalur_image(img, size = (256, 256)):
    return img.resize(size).convert('RGB')

#相似度计算方法
def hist_similar(lh, rh):
    assert len(lh) == len(rh)
    return sum(1 - (0 if l == r else float(abs(l - r))/max(l, r)) for l, r in zip(lh, rh))/len(lh)

#加载2张图片
img1=Image.open("E:\\code\\python\\o_1.JPG")
img2=Image.open("E:\\code\\python\\o_2.JPG")

#规格化图片
img1=make_regalur_image(img1)
img2=make_regalur_image(img2)

#计算相似度
ret=hist_similar(img1.histogram(), img2.histogram())
print "similar=",ret

//=======================java=============================
使用BufferedImage，是用跟python计算相似度的算法(或者用opencv的巴氏距离，相关系数)，
或者指定区域，指定采样点数

BufferedImage image1 = ImageIO.read(new File("E:\\code\\python\\o_1.JPG"));
BufferedImage image2 = ImageIO.read(new File("E:\\code\\python\\o_2.JPG"));

int[] img1RGB=image1.getRGB(0, 0, image1.getWidth(), image1.getHeight(), null, 0, image1.getWidth());
int[] img2RGB=image2.getRGB(0, 0, image2.getWidth(), image2.getHeight(), null, 0, image2.getWidth());

//相似度计算公式
public double similar(int[] img1RGB, int[] img2RGB){

  int nSize = img1RGB.length < img2RGB.length ? img1RGB.length : img2RGB.length;
  if(nSize==0) return 0;
  double nSum=0.0;
  for(int i=0; i<nSize; i++){
   nSum = nSum + (1 - Math.abs((double)(img1RGB-img2RGB)) / Math.abs(img1RGB < img2RGB ? img1RGB : img2RGB));
  }
  return nSum / nSize;
}

//计算相似度
double rt = similar(img1RGB, img2RGB);
System.out.println("rt="+rt);

自动化测试中的图片相似度

相关阅读:

用户菜单

标题搜索

日历

我的存档

数据统计

RSS订阅