基于Java实现图片相似度对比的示例代码
更新时间：2022年07月25日 10:47:36 作者：日拱一車
很多时候我们需要将两个图片进行对比，确定两个图片的相似度。本文将利用Java和OpenCV库实现图片相似度对比，感兴趣的可以动手尝试一下
前言
很多时候我们需要将两个图片进行对比，确定两个图片的相似度。一般常用的就是openCv库，这里就是使用openCv进行图片相似度对比。
依赖
<dependency>
<groupId>org.bytedeco</groupId>
<artifactId>javacv</artifactId>
<version>1.3.3</version>
</dependency>
<dependency>
<groupId>org.bytedeco</groupId>
<artifactId>javacv-platform</artifactId>
<version>1.3.3</version>
</dependency>
基本算法
基本算法
1、判断高度是否一致，如果不一致，需要截取到高度一致
2、截取算法
a、因为图片有通用的顶部bar和底部bar，需要先找到底部bar。
b、截取长图片的部分，然后和底部bar拼接，就完成了图片截取。
c、这里设置一个默认的宽度，然后对比，找到相同部分，就是底部bar。
相关代码
package com.test.image;
import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.javacpp.opencv_core;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import static org.bytedeco.javacpp.opencv_core.*;
import static org.bytedeco.javacpp.opencv_imgcodecs.imread;
import static org.bytedeco.javacpp.opencv_imgcodecs.imwrite;
import static org.bytedeco.javacpp.opencv_imgproc.*;
import static org.bytedeco.javacpp.opencv_imgproc.THRESH_BINARY;
public class ImageService {
private static Logger Log = LoggerFactory.getLogger(ImageService.class);
public static void compareImage( String targetImageUrl, String baseImageUrl ){
/**
* 读取图片到数组
*/
opencv_core.Mat targetImage = imread(targetImageUrl);
opencv_core.Mat baseImage = imread(baseImageUrl);
Log.info("read image success");
/**
* 首先对比的两个图片宽度要一致，否则不能对比
*/
if(targetImage.size().width()==baseImage.size().width()){
/**
* 基本算法
* 1、判断高度是否一致，如果不一致，需要截取到高度一致
* 2、截取算法
* a、因为图片有通用的顶部bar和底部bar，需要先找到底部bar。
* b、截取长图片的部分，然后和底部bar拼接，就完成了图片截取。
* c、这里设置一个默认的宽度，然后对比，找到相同部分，就是底部bar。
*/
if(targetImage.size().height()!=baseImage.size().height()){
if(targetImage.size().height()>baseImage.size().height()){
targetImage = dealLongImage(targetImage.clone(),baseImage.clone());
} else {
baseImage = dealLongImage(baseImage.clone(),targetImage.clone());
}
}
/**
* 进行图片差异对比
*/
Mat imageDiff = compareImage(targetImage,baseImage);
double nonZeroPercent = 100 * (double) countNonZero(imageDiff) / (imageDiff.size().height() * imageDiff.size().width());
/**
* 展示图片，将标准图，对比图，差异图，拼接成一张大图。
* 其中差异图会用绿色标出差异的部分。
*/
set3ImageTo1("", targetImage, baseImage, showDiff(imageDiff, baseImage), "xxxx.jpg" );
imageDiff.release();
baseImage.release();
targetImage.release();
} else {
}
}
/**
* 2、截取算法
* a、因为图片有通用的顶部bar和底部bar，需要先找到底部bar。
* b、截取长图片的部分，然后和底部bar拼接，就完成了图片截取。
* c、这里设置一个默认的宽度，然后对比，找到相同部分，就是底部bar。
* @return bar的高度
*/
public static int interceptBarHeight( Mat longImage, Mat shortImage ){
/**
* 设置的默认高度。
*/
int imageSearchMaxHeight = 400;
Mat subImageLong = new Mat(longImage, new Rect(0, longImage.size().height() - imageSearchMaxHeight, longImage.size().width(), imageSearchMaxHeight));
Mat subImageShort = new Mat(shortImage, new Rect(0, shortImage.size().height() - imageSearchMaxHeight, shortImage.size().width(), imageSearchMaxHeight));
opencv_core.Mat imageDiff = compareImage(subImageLong,subImageShort);
for (int row = imageDiff.size().height() - 1; row > -1; row--) {
for (int col = 0; col < imageDiff.size().width(); col++) {
BytePointer bytePointer = imageDiff.ptr(row, col);
if (bytePointer.get(0) != 0) {
imageDiff.release();
return imageSearchMaxHeight-row;
}
}
}
return imageSearchMaxHeight;
}
/**
* 这里将两张图片作为参数传入，
* 获取到共同的底部之后。对长图进行截取，
* 然后将顶部和底部拼接在一起就ok了。
* @param longImage
* @param shortImage
* @return
*/
public static opencv_core.Mat dealLongImage( Mat longImage, Mat shortImage ){
int diffHeight = longImage.size().height()-shortImage.size().height();
int barHeight = interceptBarHeight(longImage,shortImage);
opencv_core.Mat dealedLongImage = new Mat(longImage,new Rect(0,0,longImage.size().width(),shortImage.size().height()-barHeight) );
opencv_core.Mat imageBar = new Mat(longImage,new Rect(0,longImage.size().height()-barHeight,longImage.size().width(),barHeight) );
opencv_core.Mat dealedLongImageNew = dealedLongImage.clone();
/**
* 将头部和底部bar拼接在一起。
*/
vconcat(dealedLongImage, imageBar, dealedLongImageNew);
imageBar.release();
dealedLongImage.release();
return dealedLongImageNew;
}
public static opencv_core.Mat compareImage( opencv_core.Mat targetImage, opencv_core.Mat baseImage ){
opencv_core.Mat targetImageClone = targetImage.clone();
opencv_core.Mat baseImageColne = baseImage.clone();
opencv_core.Mat imgDiff1 = targetImage.clone();
opencv_core.Mat imgDiff = targetImage.clone();
/**
* 首先将图片转成灰度图，
*/
cvtColor(targetImage, targetImageClone, COLOR_BGR2GRAY);
cvtColor(baseImage, baseImageColne, COLOR_BGR2GRAY);
/**
* 两个矩阵相减，获得差异图。
*/
subtract(targetImageClone, baseImageColne, imgDiff1);
subtract(baseImageColne, targetImageClone, imgDiff);
/**
* 按比重进行叠加。
*/
addWeighted(imgDiff, 1, imgDiff1, 1, 0, imgDiff);
/**
* 图片二值化，大于24的为1，小于24的为0
*/
threshold(imgDiff, imgDiff, 24, 255, THRESH_BINARY);
erode(imgDiff, imgDiff, new opencv_core.Mat());
dilate(imgDiff, imgDiff, new opencv_core.Mat());
return imgDiff;
}
private static void set3ImageTo1(String logTag, Mat imageSrc, Mat imageBaseSrc, Mat imageDest, String mergePicResult ) {
if (imageSrc.size().width() == imageDest.size().width() && imageBaseSrc.size().height() == imageDest.size().height()) {
Mat img = imageSrc.clone();
Mat imgBase = imageBaseSrc.clone();
Mat imgDest = imageDest.clone();
Mat imgLine = new Mat(imgBase.size().height(), 1, CV_8UC3, new Scalar(0, 0, 0, 255));
Mat largeImg2 = new Mat();
Mat largeImg3 = new Mat();
Mat largeImg4 = new Mat();
Mat largeImg5 = new Mat();
/**
* 横向拼接。
*/
hconcat(img, imgLine, largeImg2);
hconcat(largeImg2, imgBase, largeImg3);
hconcat(largeImg3, imgLine, largeImg4);
hconcat(largeImg4, imgDest, largeImg5);
imwrite( mergePicResult, largeImg5);
img.release();
imgBase.release();
imgDest.release();
imgLine.release();
largeImg2.release();
largeImg3.release();
largeImg4.release();
largeImg5.release();
} else {
Log.info(logTag+" pictures merge failed");
imwrite( mergePicResult, imageDest);
}
}
private static Mat showDiff(Mat imgDiff, Mat imgBase) {
MatVector rgbFrame = new MatVector();
Mat imgDest = imgBase.clone();
split(imgBase, rgbFrame);
subtract(rgbFrame.get(2), imgDiff, rgbFrame.get(2));
subtract(rgbFrame.get(0), imgDiff, rgbFrame.get(0));
addWeighted(rgbFrame.get(1), 1, imgDiff, 1, 0, rgbFrame.get(1));
merge(rgbFrame, imgDest);
return imgDest;
}
public static void main( String[] args ){
String targetImageUrl = "2022-03-15-11-37-35-2ouA9yi9gjsGWHDAoaZTaNe4awr0xSlohFq0gF0m.png";
String baseImageUrl = "2022-03-15-11-37-38-njH2kVzd3boX1i8q8bLCfnnIj8xTLyHhHufgs9rp.png";
compareImage(targetImageUrl,baseImageUrl);
}
}到此这篇关于基于Java实现图片相似度对比的示例代码的文章就介绍到这了,更多相关Java图片相似度对比内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要介绍了SpringBoot整合Swagger2的步骤详解，帮助大家更好的理解和学习使用SpringBoot框架，感兴趣的朋友可以了解下2021-04-04
这篇文章主要为大家详细介绍了Java枚举为什么是单例模式的最佳选择，文中通过简单的示例进行了讲解，具有一定的学习价值，需要的可以参考一下2023-05-05
很多框架，比如springmvc，mybatis等使用注解，为了处理注解，必然要对包进行扫描，所以下面这篇文章主要给大家分享介绍了关于利用java如何实现一个扫描包的工具类，文中通过示例代码介绍的非常详细，需要的朋友可以参考下。2017-10-10
这篇文章主要介绍了java实现五子棋小游戏的相关资料，十分简单实用，推荐给大家,需要的朋友可以参考下2015-03-03
这篇文章主要介绍了Java对象初始化过程代码块和构造器的调用顺序，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下2022-08-08
这篇文章主要为大家详细介绍了java使用MulticastSocket实现组播，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2019-01-01
这篇文章主要介绍了Java通过反射查看类的信息,结合实例形式详细分析了java基于反射获取类信息的相关原理与实现技巧,需要的朋友可以参考下2019-07-07
本文全面讲述了Java注解Annotation与Java自定义注解及相关内容，大家可以认真看看2018-03-03
Java中documentHelper解析xml获取想要的数据
本文主要介绍了Java中documentHelper解析xml获取想要的数据，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2023-02-02
这篇文章主要给大家介绍了关于Java中如何灵活获取excel中的数据,在日常工作中我们常常会进行文件读写操作,除去我们最常用的纯文本文件读写,更多时候我们需要对Excel中的数据进行读取操作,需要的朋友可以参考下2023-07-07
最新评论