CN116225972B - 图片差异对比方法、装置及存储介质 - Google Patents
图片差异对比方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116225972B CN116225972B CN202310512386.3A CN202310512386A CN116225972B CN 116225972 B CN116225972 B CN 116225972B CN 202310512386 A CN202310512386 A CN 202310512386A CN 116225972 B CN116225972 B CN 116225972B
- Authority
- CN
- China
- Prior art keywords
- difference
- matrix
- picture
- degree
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 211
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000002776 aggregation Effects 0.000 claims description 64
- 238000004220 aggregation Methods 0.000 claims description 64
- 230000015572 biosynthetic process Effects 0.000 claims description 40
- 238000003786 synthesis reaction Methods 0.000 claims description 40
- 238000005457 optimization Methods 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 14
- 239000002131 composite material Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 7
- 238000013461 design Methods 0.000 abstract description 8
- 230000000694 effects Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000002194 synthesizing effect Effects 0.000 description 3
- 238000005192 partition Methods 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本发明属于图片处理技术领域,公开了图片差异对比方法、装置及存储介质。该方法包含:根据待对比图片与基准图片生成第一差异矩阵;计算第一差异矩阵的第一差异度;计算待对比图片与基准图片RGB各通道的均值差异;若所述均值差异在预设差异范围内,则对待对比图片和/或基准图片进行修正;根据修正后的待对比图片与基准图片生成第二差异矩阵;计算第二差异矩阵的第二差异度;比较第一差异度与第二差异度的大小,取较小的差异度作为对比结果。本发明方法尤其适用于UI对比,对UI设计的边界明显、图像规则、对单个像素不敏感等特点具有很强的适用性,能够明显提高对比的精确度。
Description
技术领域
本发明涉及图片处理技术领域,具体涉及图片差异对比方法、装置及存储介质。
背景技术
人机交互界面在工作和生活中随处可见,电脑软件交互界面、手机界面、车载中控屏,以及其他各种展示屏幕等。而这类界面具有边界明显、区域分区明显、尺寸规则、对单个或者少量分散像素不敏感等特点。在这些产品设计和开发验收过程中,通常需要进行UI对比,验证产品与设计状态是否存在差异。
目前计算机对于图片对比的算法有很多,但这些方法存在信息丢失量较大、对色彩差异不能准确判断等问题,在对边界明显的界面图片对比时准确度较差。若所对比的图像因亮度、色域或者色温存在差异时更不能够有效反应对比结果。
发明内容
本申请提供图片差异对比方法、装置及存储介质,以解决现有相关技术中,针对边界明显的图片对比时准确度不高,图片明暗、色域、色温存在差异时对比难度加大的技术问题。
本发明第一方面实施例提供图片差异对比方法,包含:
根据待对比图片与基准图片生成第一差异矩阵;
计算第一差异矩阵的第一差异度;
计算待对比图片与基准图片RGB各通道的均值差异;
若所述均值差异在预设差异范围内,则对待对比图片和/或基准图片进行修正;
根据修正后的待对比图片与基准图片生成第二差异矩阵;
计算第二差异矩阵的第二差异度;
比较第一差异度与第二差异度的大小,取较小的差异度作为对比结果。
可选的,在本申请的一个实施例中,根据待对比图片与基准图片生成第一差异矩阵包含:
将待对比图片与基准图片均转换为像素矩阵;
计算待对比图片与基准图片的像素矩阵中所有对应像素点的RGB值差,并将每个像素点RGB值差作为一个差异像素单元;
将大于预设像素值阈值的差异像素单元的像素值置为1,小于预设像素值阈值的差异像素单元的像素值置为0,得到以 0和1为元素组成的三维矩阵;
将三维矩阵中每个像素点的RGB值作或运算,得到一个以0和1为元素组成的二维矩阵。
可选的,在本申请的一个实施例中,计算第一差异矩阵的第一差异度包含:
将第一差异矩阵分为多个区域,分别计算每个区域的差异聚集度和连续点长度;
根据每个区域的差异聚集度生成第一差异矩阵的聚集度合成矩阵;
根据每个区域的连续点长度生成第一差异矩阵的连续点优化矩阵;
将聚集度合成矩阵与连续点优化矩阵采用或运算得到合成矩阵;
计算合成矩阵中存在差异的区域占总区域的比例。
可选的,在本申请的一个实施例中,根据每个区域的差异聚集度生成第一差异矩阵的聚集度合成矩阵包含:
将每个区域中存在差异的像素点占该区域像素点个数的比例作为该区域的差异聚集度;
设定差异聚集度阈值对第一矩阵中所有区域进行二值化阈值处理得到聚集度合成矩阵。
可选的,在本申请的一个实施例中,根据每个区域的连续点长度生成第一差异矩阵的连续点优化矩阵包含:
对每个区域中所有像素点进行离散点优化;
计算离散点优化后每个区域的连续点长度;
将大于预设连续点长度阈值的区域设置为1,小于预设连续点长度阈值的区域设置为0,得到第一差异矩阵中所有区域的连续点优化矩阵。
可选的,在本申请的一个实施例中,对待对比图片和/或基准图片进行修正包含:
处理待对比图片和/或基准图片,以使二者亮度、色域或色温接近一致。
可选的,在本申请的一个实施例中,根据修正后的待对比图片与基准图片生成第二差异矩阵包含:
将修正后的待对比图片与基准图片均转换为像素矩阵;
计算修正后的待对比图片与基准图片的像素矩阵中所有对应像素点的RGB值差,并将每个像素点RGB值差作为一个差异像素单元;
将大于预设像素值阈值的差异像素单元的像素值置为1,小于预设像素值阈值的差异像素单元的像素值置为0,得到以 0和1为元素组成的三维矩阵;
将三维矩阵中每个像素点的RGB值作或运算,得到一个以0和1为元素组成的二维矩阵。
可选的,在本申请的一个实施例中,计算第二差异矩阵的第二差异度包含:
将第二差异矩阵分为多个区域,分别计算每个区域的差异聚集度和连续点长度;
根据每个区域的差异聚集度生成第二差异矩阵的聚集度合成矩阵;
根据每个区域的连续点长度生成第二差异矩阵的连续点优化矩阵;
将聚集度合成矩阵与连续点优化矩阵采用或运算得到合成矩阵;
计算合成矩阵中存在差异的区域占总区域的比例。
本发明第二方面实施例提供图片差异对比装置,包含:
第一生成模块,用于根据待对比图片与基准图片生成第一差异矩阵;
第一计算模块,用于计算第一差异矩阵的第一差异度;
第二计算模块,用于计算待对比图片与基准图片RGB各通道的均值差异;
修正模块,用于若所述均值差异在预设差异范围内,则对待对比图片和/或基准图片进行修正;
第二生成模块,用于根据修正后的待对比图片与基准图片生成第二差异矩阵;
第三计算模块,用于计算第二差异矩阵的第二差异度;
比较模块,用于比较第一差异度与第二差异度的大小,取较小的差异度作为对比结果。
本发明第三方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一方法的步骤。
本申请实施例具有以下效果:
本申请实施例的图片差异对比方法尤其适用于UI对比,对UI设计的边界明显、图像规则、对单个像素不敏感等特点具有很强的适用性,能够明显提高对比的精确度,本申请实施例能够消除亮度、色域和色温等不同对图片带来的影响,提高了对比的准确度。
本申请实施例中对存在差异的离散点进行了消除优化,使得该图片对比方法更符合UI设计特点,也更符合用户感知。
本申请实施例中可以调整多个阈值的参数,以实现不同的对比效果,满足不同场景的需求。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本申请实施例提供的一种图片差异对比方法的流程示意图;
图2为本申请实施例中孤立点和连续点示意图;
图3为本申请一个具体实施例中根据第一差异度矩阵得到第一差异度的过程中矩阵变化示意图;
图4为本申请实施例提供的一种图片差异对比装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
在本发明的描述中,除非另有明确的规定和限定,术语“设置”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
下面参考附图描述本申请实施例的图片差异对比方法、装置、及存储介质。
如图1所示,本申请第一方面实施例提供了图片差异对比方法,该方法包含以下步骤:
步骤S101中,根据待对比图片与基准图片生成第一差异矩阵。
可理解的,待对比图片,即界面设计图片,包括但不限于电脑软件交互界面、手机界面、车载中控屏,以及其他各种展示平面的界面图片。基准图片是指这些界面的设计效果图,在这些产品设计和开发实验验收过程中,需要将实际的界面图片与原始设计效果图进行对比,验证产品与设计状态是否存在差异。待对比图片与基准图片的尺寸相同。
在一些优选实施方式中,所述生成第一差异矩阵的方法包含:
将待对比图片与基准图片均转换为像素矩阵;
计算待对比图片与基准图片的像素矩阵中所有对应像素点的RGB值差,并将每个像素点RGB值差作为一个差异像素单元;
将大于预设像素值阈值的差异像素单元的像素值置为1,小于预设像素值阈值的差异像素单元的像素值置为0,得到以 0和1为元素组成的三维矩阵;
将三维矩阵中每个像素点的RGB值作或运算,得到一个以0和1为元素组成的二维矩阵。
其中,所述预设像素值阈值越小,则图片对比结果越精确,但肉眼越难分辨。实际使用中根据不同精度要求和肉眼识别程度,合理设置此值,可以达到不同的对比效果。大于该预设像素值阈值的差异像素单元代表该像素点不同或者存在明显差异,小于该预设像素值阈值的差异像素单元代表该像素点相同或者无明显差异。计算得到待对比图片与基准图片中所有对应的每个像素点的RGB差异置位之后,形成一个以0和1为元素组成的三维矩阵。再将每个像素点的RGB值作或运算,即只要RGB值中的其中一个值为1,则该像素点的值置为1; RGB值均为0,则该像素点的值置为0;于是得到一个以0和1为元素组成的二维矩阵,即第一差异矩阵。
步骤S102中,计算第一差异矩阵的第一差异度。
所述第一差异度即在第一差异矩阵中,存在差异的区域占整个矩阵的比例。
计算第一差异矩阵的第一差异度的方法具体包含以下几个步骤:
步骤S102-1,将第一差异矩阵分为多个区域,分别计算每个区域的差异聚集度和连续点长度。
具体来说,将第一差异矩阵分为若干区域,区域的宽度根据对比精细程度要求调整,对精细程度要求越高,则区域宽度越小,最小为1,即不进行分区;如果需要提高计算效率,同时对精细程度要求不高,则可以适当增大区域宽度。当第一差异矩阵中剩余像素或第一差异矩阵尺寸不能按区域宽度均分时,边界处按实际剩余像素或者尺寸分割。在完成分割后,分别计算每个区域的差异聚集度和连续点长度。
在实际图片中,少量元素点的差异不会被肉眼分辨出来;一片区域内单个像素点或者少量连续点像素点差异会被忽视,被认为是“一样的”。因此将不影响整体效果的孤立差异点“忽略”,将差异值置0,也即离散点优化。其中,孤立点是指与相邻位置和对角位置的值均不同的点,如图2中的(a)所示。连续点是指与相邻位置和对角位置中,至少有一个位置的值相同的点,如图2中的(b)所示。
计算连续点长度的方法包含:已知连续点所有像素点坐标为P1(x1,y1)、P2(x2,y2)、…、Pn(xn,yn),在所有点向四周扩张1个单位的范围内,若扩张后超出原图或这原矩阵边界,则不包含超出边界部分,如此形成一个轮廓范围,若该轮廓范围内没有其他满足条件的点,则这些连续点的长度为n。
若该轮廓范围内还有其他满足条件的点,则连续点长度大于n,需将新增的所有点继续向四周扩张,与该轮廓叠加,形成新的轮廓,如此反复直到扩张的轮廓没有新增点,或者已遍历完图片/矩阵的所有点,此时的轮廓记为一个独立轮廓,连续长度即该独立轮廓中所有满足条件的点的个数。根据上述方法能够计算出每个区域的连续点长度。
计算差异聚集度的方法为:将该区域中存在差异的像素点占该区域的比例,也即像素点值为1的点占该区域的比例。
步骤S102-2,根据每个区域的差异聚集度生成第一差异矩阵的聚集度合成矩阵。
具体来说,设定差异聚集度阈值对第一矩阵中所有区域进行二值化阈值处理得到聚集度合成矩阵。即,当差异聚集度小于差异聚集度阈值时,认为该区域内无差异,将新矩阵中该区域位置的差异值设置为0;当差异聚集度不小于差异聚集度阈值时,则认为该区域内有差异,将新矩阵中该单元位置的差异值设置为1,所述差异聚集度阈值根据实际情况可自行设定。最终得到第一差异矩阵的聚合度合成矩阵。
S102-3,根据每个区域的连续点长度生成第一差异矩阵的连续点优化矩阵。
在图像优化过程中,设置优化力度,其中一个参数是干扰擦除力度,及连续点长度优化中的擦除长度。设置擦除的连续点长度阈值,当连续点长度小于阈值,则认为该部分差异无影响,应当擦除,将该矩阵中部分连续点差异值改为0。具体来说,将大于预设连续点长度阈值的区域差异值设置为1,小于预设连续点长度阈值的区域差异值设置为0,得到第一差异矩阵中所有区域的连续点优化矩阵。其中,预设连续点长度阈值根据实际情况可自行设定。
步骤S102-4,将聚集度合成矩阵与连续点优化矩阵采用或运算得到合成矩阵。
将聚集度合成矩阵与连续点优化矩阵采用或运算进行合成得到合成矩阵,即对于合成矩阵指定坐标元素的值,聚集度合成矩阵与连续点优化矩阵中其中至少有一个值为1,则合成矩阵该点值为1。
步骤S102-5,计算合成矩阵中存在差异的区域占总区域的比例。
所述比例即为第一差异矩阵的第一差异度。
步骤S103中, 计算待对比图片与基准图片RGB各通道的均值差异。
此步骤也需要先将待对比图片与基准图片转换为像素矩阵,再计算二者RGB各通道的均值差异。
步骤S104中,若所述均值差异在预设差异范围内,则对待对比图片和/或基准图片进行修正。
当待对比图片因亮度、色域或者色温存在差异时,如因光线、屏幕色域差异导致图像获取存在差异时,为了消除亮度、色域或者色温带来的影响,需要对待对比图片和/或基准图片进行修正。
具体来说,若所述均值差异处于某合理范围内,即预设差异范围内时,消除该差异的影响,即进行修正。若所述均值差异超过预设差异范围,修正后对比的误差较大,此时不进行修正;若所述均值差异低于第一预设差异范围,该第一预设范围小于所述预设差异范围,此时认为该差异影响不大,也不进行修正。
所述修正的具体方式是,处理待对比图片和/或基准图片,使二者亮度、色域或色温接近一致。对于具体处理哪张图片可以根据实际情况确定,例如当两张图片的亮度等均较低时,可以同时对待对比图片和基准图片进行处理;当仅其中一张图片的亮度较低时,可仅处理亮度较低的图片。
步骤S105中,根据修正后的待对比图片与基准图片生成第二差异矩阵。
此步骤中根据修正后的待对比图片与基准图片生成第二差异矩阵的方法与步骤S101中,生成第一差异矩阵的方法相同,具体可参考S101的方法。
在一些具体实施方式中,所述生成第二差异矩阵的方法包含:
将修正后的待对比图与基准图片均转换为像素矩阵;
计算修正后的待对比图片与基准图片的像素矩阵中所有对应像素点的RGB值差,并将每个像素点RGB值差作为一个差异像素单元;
将大于预设像素值阈值的差异像素单元的像素值置为1,小于预设像素值阈值的差异像素单元的像素值置为0,得到以 0和1为元素组成的三维矩阵;
将三维矩阵中每个像素点的RGB值作或运算,得到一个以0和1为元素组成的二维矩阵,即第二差异矩阵。
步骤S106中,计算第二差异矩阵的第二差异度。
此步骤中计算第二差异矩阵的第二差异度的方法与步骤S102中计算第一差异度的方法相同。所述第二差异度即在第二差异矩阵中,存在差异的区域占整个矩阵的比例。
计算第二差异矩阵的第二差异度的方法具体包含以下几个步骤:
步骤S106-1,将第二差异矩阵分为多个区域,分别计算每个区域的差异聚集度和连续点长度。
具体来说,将第二差异矩阵分为若干区域,区域的宽度根据对比精细程度要求调整,在完成分割后,分别计算每个区域的差异聚集度和连续点长度。
在计算每个区域的差异聚集度和连续点长度之前,将不影响整体效果的孤立差异点“忽略”,将差异值置0,也即离散点优化。
计算连续点长度的方法包含:已知连续点所有像素点坐标为P1(x1,y1)、P2(x2,y2)、…、Pn(xn,yn),在所有点向四周扩张1个单位的范围内,若扩张后超出原图或这原矩阵边界,则不包含超出边界部分,如此形成一个轮廓范围,若该轮廓范围内没有其他满足条件的点,则这些连续点的长度为n。
若该轮廓范围内还有其他满足条件的点,则连续点长度大于n,需将新增的所有点继续向四周扩张,与该轮廓叠加,形成新的轮廓,如此反复直到扩张的轮廓没有新增点,或者已遍历完图片/矩阵的所有点,此时的轮廓记为一个独立轮廓,连续长度即该独立轮廓中所有满足条件的点的个数。根据上述方法能够计算出每个区域的连续点长度。
计算差异聚集度的方法为:将该区域中存在差异的像素点占该区域的比例,也即差异值为1的点占该区域的比例。
步骤S106-2,根据每个区域的差异聚集度生成第二差异矩阵的聚集度合成矩阵。
具体来说,设定差异聚集度阈值对第二矩阵中所有区域进行二值化阈值处理得到聚集度合成矩阵。即,当差异聚集度小于差异聚集度阈值时,认为该区域内无差异,将新矩阵中该区域位置的差异值设置为0;当差异聚集度不小于差异聚集度阈值时,则认为该区域内有差异,将新矩阵中该单元位置的差异值设置为1,所述差异聚集度阈值根据实际情况可自行设定。最终得到第二差异矩阵的聚合度合成矩阵。
步骤S106-3,根据每个区域的连续点长度生成第二差异矩阵的连续点优化矩阵。
具体来说,将大于预设连续点长度阈值的区域差异值设置为1,小于预设连续点长度阈值的区域差异值设置为0,得到第二差异矩阵中所有区域的连续点优化矩阵。其中,预设连续点长度根据实际情况可自行设定。
步骤S106-4,将聚集度合成矩阵与连续点优化矩阵采用或运算得到合成矩阵。
将聚集度合成矩阵与连续点优化矩阵采用或运算进行合成得到合成矩阵,即对于合成矩阵指定坐标元素的值,聚集度合成矩阵与连续点优化矩阵中其中至少有一个值为1,则合成矩阵该点值为1。
步骤S106-5,计算合成矩阵中存在差异的区域占总区域的比例。
所述比例即为第二差异矩阵的第二差异度。
步骤S107中,比较第一差异度与第二差异度的大小,取较小的差异度作为对比结果。
此步骤的目的是对比图片修正前和修正后的差异,即第一差异度和第二差异度,取差异度值较小的作为最终对比结果。
需要说明的是,以上步骤中,若步骤S104中判断出所述均值差异并未在差异范围内,则不对待对比图片和/或基准图片进行修正,此时以步骤S102中得到的第一差异矩阵的第一差异度作为最终对比结果。
以上步骤中,步骤S101-步骤S102,与步骤S103-步骤S106,这两部分之间并无特定的先后顺序,可以先执行步骤S101-步骤S102,再执行步骤S103-步骤S106;也可以先执行步骤S103-步骤S106,再执行步骤S101-步骤S102;还可以同时执行步骤S101-步骤S102和步骤S103-步骤S106。
参考图3,作为一个具体实施方式,该图用于说明如何根据差异矩阵得到其差异度。以第一差异矩阵为例,图3中的A为第一差异矩阵,该矩阵被分为10个长宽均为5的区域,每个区域中黑色部分即代表存在差异的像素单元。图3中的B为计算A中各区域的差异聚集度,即B中的0.04、0.16、0.2、0.36、0、0.4、0.80、0、0.52、0.16为各区域的差异聚集度。图3中的C为连续点优化矩阵,设定预设连续点长度阈值为5,对于A中各区域,连续点长度大于5的区域的差异值设置为1,即黑色表示,小于5的区域的差异值设置为0,即白色表示。图3中的D为聚集度合成矩阵,设定预设差异聚集度为0.4,对B中各区域进行二值化阈值处理,即差异聚集度小于0.4的区域的差异值设置为0,白色表示,大于0.4的区域的差异值设置为1,黑色表示。将C连续点优化矩阵与D聚集度合成矩阵采用或运算得到合成矩阵E,即图3中的E,E中存在差异的区域占该矩阵的比例即为第一差异度,E中第一差异度为0.5。同理,第二差异度的计算方法与此相同。
如图4所示,本申请第二实施方面实施例提供了图片差异对比装置400,该装置400包括第一生成模块401、第一计算模块402、第二计算模块403、修正模块404、第二生成模块405、第三计算模块406、比较模块407。
其中,第一生成模块401,用于根据待对比图片与基准图片生成第一差异矩阵;
第一计算模块402,用于计算第一差异矩阵的第一差异度;
第二计算模块403,用于计算待对比图片与基准图片RGB各通道的均值差异;
修正模块404,用于若所述均值差异在预设差异范围内,则对待对比图片和/或基准图片进行修正;
第二生成模块405,用于根据修正后的待对比图片与基准图片生成第二差异矩阵;
第三计算模块406,用于计算第二差异矩阵的第二差异度;
比较模块407,用于比较第一差异度与第二差异度的大小,取较小的差异度作为对比结果。
在一个优选实施方式中,所述第一计算模块402包含:
第一计算单元,用于将第一差异矩阵分为多个区域,分别计算每个区域的差异聚集度和连续点长度;
第一生成单元,用于根据每个区域的差异聚集度生成第一差异矩阵的聚集度合成矩阵;
第二合成单元,用于根据每个区域的连续点长度生成第一差异矩阵的连续点优化矩阵;
第二计算单元,用于将聚集度合成矩阵与连续点优化矩阵采用或运算得到合成矩阵;
第三计算单元,用于计算合成矩阵中存在差异的区域占总区域的比例。
第三计算模块406与第一计算模块402中各单元组成相同。
本申请实施例的第三方面提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以用于实现如上的图片差异对比方法。
所述图片差异对比装置/终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。
其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (9)
1.图片差异对比方法,其特征在于,包含:
根据待对比图片与基准图片生成第一差异矩阵;
计算第一差异矩阵的第一差异度;
计算待对比图片与基准图片RGB各通道的均值差异;
若所述均值差异在预设差异范围内,则对待对比图片和/或基准图片进行修正;
根据修正后的待对比图片与基准图片生成第二差异矩阵,与生成第一差异矩阵的方法相同;
计算第二差异矩阵的第二差异度,与计算第一差异度的方法相同;
比较第一差异度与第二差异度的大小,取较小的差异度作为对比结果;
其中,计算第一差异矩阵的第一差异度的方法包含:
将第一差异矩阵分为多个区域;
计算每个区域的差异聚集度,设定差异聚集度阈值对第一矩阵中所有区域进行二值化阈值处理得到聚集度合成矩阵;
计算每个区域的连续点长度,将大于预设连续点长度阈值的区域设置为1,小于预设连续点长度阈值的区域设置为0,得到第一差异矩阵中所有区域的连续点优化矩阵;
将聚集度合成矩阵与连续点优化矩阵采用或运算得到合成矩阵;
计算合成矩阵中存在差异的区域占总区域的比例。
2.如权利要求1所述的图片差异对比方法,其特征在于,根据待对比图片与基准图片生成第一差异矩阵包含:
将待对比图片与基准图片均转换为像素矩阵;
计算待对比图片与基准图片的像素矩阵中所有对应像素点的RGB值差,并将每个像素点RGB值差作为一个差异像素单元;
将大于预设像素值阈值的差异像素单元的像素值置为1,小于预设像素值阈值的差异像素单元的像素值置为0,得到以 0和1为元素组成的三维矩阵;
将三维矩阵中每个像素点的RGB值作或运算,得到一个以0和1为元素组成的二维矩阵。
3.如权利要求1所述的图片差异对比方法,其特征在于, 将每个区域中存在差异的像素点占该区域像素点个数的比例作为该区域的差异聚集度。
4.如权利要求1所述的图片差异对比方法,其特征在于,计算连续点长度前还包含:
对每个区域中所有像素点进行离散点优化;
计算离散点优化后每个区域的连续点长度。
5.如权利要求1所述的图片差异对比方法,其特征在于,对待对比图片和/或基准图片进行修正包含:
处理待对比图片和/或基准图片,以使二者亮度、色域或色温接近一致。
6.如权利要求1所述的图片差异对比方法,其特征在于,根据修正后的待对比图片与基准图片生成第二差异矩阵包含:
将修正后的待对比图片与基准图片均转换为像素矩阵;
计算修正后的待对比图片与基准图片的像素矩阵中所有对应像素点的RGB值差,并将每个像素点RGB值差作为一个差异像素单元;
将大于预设像素值阈值的差异像素单元的像素值置为1,小于预设像素值阈值的差异像素单元的像素值置为0,得到以 0和1为元素组成的三维矩阵;
将三维矩阵中每个像素点的RGB值作或运算,得到一个以0和1为元素组成的二维矩阵。
7.如权利要求1所述的图片差异对比方法,其特征在于,计算第二差异矩阵的第二差异度包含:
将第二差异矩阵分为多个区域,分别计算每个区域的差异聚集度和连续点长度;
根据每个区域的差异聚集度生成第二差异矩阵的聚集度合成矩阵;
根据每个区域的连续点长度生成第二差异矩阵的连续点优化矩阵;
将聚集度合成矩阵与连续点优化矩阵采用或运算得到合成矩阵;
计算合成矩阵中存在差异的区域占总区域的比例。
8.图片差异对比装置,其特征在于,包含:
第一生成模块,用于根据待对比图片与基准图片生成第一差异矩阵;
第一计算模块,用于计算第一差异矩阵的第一差异度;
第二计算模块,用于计算待对比图片与基准图片RGB各通道的均值差异;
修正模块,用于若所述均值差异在预设差异范围内,则对待对比图片和/或基准图片进行修正;
第二生成模块,用于根据修正后的待对比图片与基准图片生成第二差异矩阵;
第三计算模块,用于计算第二差异矩阵的第二差异度;
比较模块,用于比较第一差异度与第二差异度的大小,取较小的差异度作为对比结果;
所述第一计算模块还用于将第一差异矩阵分为多个区域,分别计算每个区域的差异聚集度和连续点长度;
设定差异聚集度阈值对第一矩阵中所有区域进行二值化阈值处理得到聚集度合成矩阵;
将大于预设连续点长度阈值的区域设置为1,小于预设连续点长度阈值的区域设置为0,得到第一差异矩阵中所有区域的连续点优化矩阵;
将聚集度合成矩阵与连续点优化矩阵采用或运算得到合成矩阵;
计算合成矩阵中存在差异的区域占总区域的比例。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310512386.3A CN116225972B (zh) | 2023-05-09 | 2023-05-09 | 图片差异对比方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310512386.3A CN116225972B (zh) | 2023-05-09 | 2023-05-09 | 图片差异对比方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116225972A CN116225972A (zh) | 2023-06-06 |
CN116225972B true CN116225972B (zh) | 2023-07-18 |
Family
ID=86580969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310512386.3A Active CN116225972B (zh) | 2023-05-09 | 2023-05-09 | 图片差异对比方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116225972B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028213A (zh) * | 2019-12-04 | 2020-04-17 | 北大方正集团有限公司 | 图像缺陷检测方法、装置、电子设备及存储介质 |
CN115082400A (zh) * | 2022-06-21 | 2022-09-20 | 北京字跳网络技术有限公司 | 一种图像处理方法、装置、计算机设备及可读存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4501855B2 (ja) * | 2005-12-22 | 2010-07-14 | ソニー株式会社 | 画像信号処理装置、撮像装置、および画像信号処理方法、並びにコンピュータ・プログラム |
CN102970528B (zh) * | 2012-12-28 | 2016-12-21 | 北京航空航天大学 | 基于变化检测和帧差累积的视频对象分割方法 |
CN109447154B (zh) * | 2018-10-29 | 2021-06-04 | 网易(杭州)网络有限公司 | 图片相似度检测方法、装置、介质及电子设备 |
CN110909750B (zh) * | 2019-11-14 | 2022-08-19 | 展讯通信(上海)有限公司 | 图像差异检测方法及装置、存储介质、终端 |
CN115294120B (zh) * | 2022-10-08 | 2023-01-20 | 誉隆半导体设备(江苏)有限公司 | 基于图像识别的阀门表面质量检测方法 |
-
2023
- 2023-05-09 CN CN202310512386.3A patent/CN116225972B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111028213A (zh) * | 2019-12-04 | 2020-04-17 | 北大方正集团有限公司 | 图像缺陷检测方法、装置、电子设备及存储介质 |
CN115082400A (zh) * | 2022-06-21 | 2022-09-20 | 北京字跳网络技术有限公司 | 一种图像处理方法、装置、计算机设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116225972A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961406B (zh) | 一种图像处理的方法、装置及终端设备 | |
US7720279B2 (en) | Specifying flesh area on image | |
CN101340523A (zh) | 一种对数字图像进行曝光补偿的方法和装置 | |
CN111368587B (zh) | 场景检测方法、装置、终端设备及计算机可读存储介质 | |
CN110971827B (zh) | 人像模式拍摄方法、装置、终端设备和存储介质 | |
CN111163301B (zh) | 色彩调整方法、装置及计算机可读存储介质 | |
CN106600524A (zh) | 一种图像处理方法及终端 | |
CN110475115B (zh) | 屏体画面串扰测试方法和装置、存储介质 | |
CN110610461B (zh) | 一种打印图像的增强方法、装置、设备及存储介质 | |
CN110188640B (zh) | 人脸识别方法、装置、服务器和计算机可读介质 | |
CN108305224A (zh) | 一种图像的畸变校正方法、装置及电视机 | |
CN112435182B (zh) | 图像降噪方法及装置 | |
CN111340722B (zh) | 图像处理方法、处理装置、终端设备及可读存储介质 | |
CN116225972B (zh) | 图片差异对比方法、装置及存储介质 | |
US8693777B2 (en) | Apparatus and method for estimating edge areas of digital image | |
CN114677393B (zh) | 深度图像处理方法、装置、摄像设备、会议系统及介质 | |
CN111161299A (zh) | 影像分割方法、计算机程序、存储介质及电子装置 | |
CN110363723B (zh) | 改进图像边界效果的图像处理方法及装置 | |
CN109242750B (zh) | 图片签名方法、图片匹配方法、装置、设备及存储介质 | |
CN109671040B (zh) | 打印图片数据处理方法、计算机装置及计算机可读存储介质 | |
KR20160069452A (ko) | 영상 처리 장치, 영상 처리 방법, 및 프로그램 | |
CN107103321A (zh) | 道路二值化图像的生成方法及生成系统 | |
CN102447817B (zh) | 图像处理装置与空间图像噪声消除方法 | |
KR20080099490A (ko) | 영상의 컨트라스트 향상 방법 | |
CN112767472B (zh) | 定位显示屏图像中灯珠的方法、计算设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240117 Address after: No. 13 Xingxiang Road, Zengjia Town, High tech Zone, Shapingba District, Chongqing, 400039 Patentee after: Chongqing Selis Phoenix Intelligent Innovation Technology Co.,Ltd. Address before: No. 2901, 29th Floor, Unit 1, Building 1, No. 151 Tianfu Second Street, Chengdu High tech Zone, China (Sichuan) Pilot Free Trade Zone, Chengdu City, Sichuan Province, 610000 Patentee before: Chengdu Thalys Technology Co.,Ltd. |