Python+PIL计算两个图像的相似度并返回第一个不匹配的像素的x坐标(附完整版代码)

news2024/11/18 21:47:42

前言

前几天看到一篇文章写Python+selenium+超级鹰对滑块验证码的操作，大致的思想如下：

1、就是将滑块验证码进行截图

2、利用超级鹰的API进行对图片的处理，

3、返回滑块的距离

我在很久之前也遇到过类似的需求，当时我的好友帮我写了一个代码，是利用PIL对两张图片进行像素点分析，从而返回两张图片x轴的像素点

举个列子，如下，我有两张图片：

在这里插入图片描述

这两张图片是一模一样的，第二张我故意划了一条数显，现在我需要知道，第一张与第二张对比，从而得知x轴的长度

在这里插入图片描述

好，废话不多说开始代码部分

库	安装
Pillow	pip install Pillow

具体实现如下来自(文心一言注释)：

这段代码的功能是计算两个图像的相似度，并返回第一个不匹配的像素的 x 坐标。

1、导入 Image 模块，该模块是 PIL (Python Imaging Library) 的一部分，用于处理图像。

2、定义了一个名为 get_gap 的函数，它接受两个图像对象 image1 和 image2 作为参数，用于计算两个图像的相似度。

3、在 *get_gap*函数中，定义了一个变量 left 并初始化为 0，用于记录不匹配的像素的 x 坐标。

4、使用两层循环遍历 image1 的每个像素，并比较与 image2 相应位置的像素是否相等。

5、如果发现两个像素不相等，即调用 is_pixel_equal 函数判断两个像素是否相似。

6、is_pixel_equal 函数接受两个图像对象 image1 和 image2，以及要比较的像素坐标 (x, y)。

7、在*is_pixel_equal* 函数中，通过 image1.load()[x, y] 和 *image2.load()[x, y]*获取两个像素的颜色值。

8、定义了一个阈值 threshold，用于判断两个像素是否相似。

9、如果两个像素的 RGB 值在阈值范围内相等，则返回*True*，表示两个像素相似；否则返回 False。

10在主函数 img_cv 中，使用 Image.open 打开两个图像文件 'temp_img1.png' 和 'temp_img2.png'，并将它们分别赋值给变量 img1_ 和 img2_。

11、调用*get_gap* 函数，传入 img1_ 和 img2_ 作为参数，获取两个图像的相似度，并将不匹配的像素的 x 坐标赋值给变量 x_pos。

12、最后，使用 print 打印调用 img_cv 函数的返回值，即不匹配的像素的 x 坐标。

需要注意的是，这段代码假设两个图像的尺寸相同，并且以左上角为起点进行比较。如果需要比较不同尺寸的图像，或者从其他位置开始比较，需要进行相应的修改。

在运行代码之前我们看一下，大致的像素，大致是1063-1625=38

图片用到的测量工具是 Snipaste，之前有介绍过：点我

代码演示：

在这里插入图片描述

完整版代码

# -*- coding: utf-8 -*-
'''
@Time    :2023/8/2 15:06
@作者    :庄志权
@联系    :18721945973
'''
from PIL import Image


def get_gap(image1, image2):
    left = 0
    for i in range(left, image1.size[0]):
        for j in range(image1.size[1]):
            if not is_pixel_equal(image1, image2, i, j):
                left = i
                return left
    return left


def is_pixel_equal(image1, image2, x, y):
    pixel1 = image1.load()[x, y]
    pixel2 = image2.load()[x, y]
    threshold = 60
    if abs(pixel1[0] - pixel2[0]) < threshold and abs(pixel1[1] - pixel2[1]) < threshold and abs(
            pixel1[2] - pixel2[2]) < threshold:
        return True
    else:
        return False


def img_cv():
    img1_ = Image.open('temp_img1.png')
    img2_ = Image.open('temp_img2.png')
    x_pos = get_gap(img1_, img2_)
    return x_pos


print(img_cv())