本着结合实际工作，实际落地并已应用的态度去码文。
python之对比两张图像的相似度
需求：在某个手机端项目中，有多个页面图片，但每个图片都做了相应的修改，由于这种图片非常多，高达上万张，每周有新的内容出现且需要回归。 在某些特定的节点，不允许相邻两张出现一模一样的图片，如果人去判定，非常非常耗时，于是需要自动化筛选，人工复核。
得，又接了一个非专业技能内的活，咋办，硬着头皮上？
那肯定不行，因为我不会；
但专业职场人怎么能说自己不会，不能！你得说，我可以学！
于是乎，我开始查找资料开始学习，找了一大圈，发现，AirTest里面就有这么一个API能够满足我的需求。拿来吧你，嘿嘿~
大致捋一下，所有页面图片通过自动化进行截图，在某些特定节点对图片命名中加入下划线作为区分，单独拿出特定节点的图片进行两两比较。
log展示
代码如下：[增加了日志追加写入并换行记录]
makeFolderResult方法为创建日志文件夹。
writeLog方法为将对比失败的图片名称写入日志中。[该日志将会直接写入目标图片路径根目录]
imageCompare方法为实际对比逻辑，阈值范围为0~1，越接近1表示图片相似度越高。
代码语言：javascript复制from airtest.aircv.cal_confidence import *
def makeFolderResult(imgPath, logName):
logFloder = os.path.join(imgPath, f'图片对比结果')
os.mkdir(logFloder)
logPath = os.path.join(imgPath, f'图片对比结果/{logName}')
return logPath
def wirteLog(msg, logPath):
with open(logPath, "a ", encoding='utf-8') as f:
f.write(msg)
f.write("n")
def imageCompare(imagePath, logPath,threshold:int):
'''
:param imagePath: 图片存放的路径
:param logPath: 日志存放的路径
:param threshold: 阈值,指定int类型
:return:
'''
needCompareImgDict = {}
for root, dirs, files in os.walk(imagePath):
for file in files:
if "_" in file:
key = str(file).split("_")[0]
if key not in needCompareImgDict.keys():
needCompareImgDict[key] = [os.path.join(root, file)]
else:
tempList = needCompareImgDict[key]
tempList.append(os.path.join(root, file))
needCompareImgDict[key] = tempList
#### 遍历字典,将同个ID下的图片进行对比
for imgs in needCompareImgDict.values():
for i in range(len(imgs) - 1):
img_1_path = imgs[i]
img_2_path = imgs[i 1]
img_1_Name = img_1_path.split("\")[-1]
img_2_Name = img_2_path.split("\")[-1]
img1 = cv2.resize(cv2.imread(img_1_path), (370, 800)) # 图片尺寸根据实际图片写入
img2 = cv2.resize(cv2.imread(img_2_path), (370, 800))
confidence = cal_ccoeff_confidence(img1, img2)
if confidence > threshold:
writeMsg = f"【对比失败】,疑似 {img_1_Name} 与 {img_2_Name} 两张图片一致,相似度为：{round(confidence * 100, 2)}%"
wirteLog(writeMsg, logPath)
print(writeMsg)
else:
pass
if __name__ == '__main__':
imagePath = "填入你图片存放的路径"
logName = str(imagePath.split("\")[-1]) ".txt"
logPath = makeFolderResult(imagePath, logName)
imageCompare(imagePath, logPath)
cal_ccoeff_confidence这个API是核心，源码如下：
import cv2
import numpy as np
from .utils import img_mat_rgb_2_gray
def cal_ccoeff_confidence(im_source, im_search):
"""求取两张图片的可信度，使用TM_CCOEFF_NORMED方法."""
# 扩展置信度计算区域
im_source = cv2.copyMakeBorder(im_source, 10,10,10,10,cv2.BORDER_REPLICATE)
# 加入取值范围干扰，防止算法过于放大微小差异
im_source[0,0] = 0
im_source[0,1] = 255
im_source, im_search = img_mat_rgb_2_gray(im_source), img_mat_rgb_2_gray(im_search)
res = cv2.matchTemplate(im_source, im_search, cv2.TM_CCOEFF_NORMED)
min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(res)
return max_val
有兴趣的小伙伴可以自己研究，没兴趣的如果遇到了，拿来就直接用。
