java--比较两张图片的相似度

本文介绍了一种通过分析两张图片的像素颜色值来比较其相似度的方法。该方法首先将图片转换为RGB颜色值矩阵,然后通过对比这些值来确定两张图片之间的相似程度。文章提供了一个具体的Java实现示例。

原文转自:http://liuguihua0823.iteye.com/blog/1178118

import java.awt.image.BufferedImage;
import java.io.File;
import javax.imageio.ImageIO;

/**
 * 比较两张图片的相似度
 * @author Guihua
 *
 */
public class BMPLoader {
	// 改变成二进制码
	public static String[][] getPX(String args) {
		int[] rgb = new int[3];

		File file = new File(args);
		BufferedImage bi = null;
		try {
			bi = ImageIO.read(file);
		} catch (Exception e) {
			e.printStackTrace();
		}

		int width = bi.getWidth();
		int height = bi.getHeight();
		int minx = bi.getMinX();
		int miny = bi.getMinY();
		String[][] list = new String[width][height];
		for (int i = minx; i < width; i++) {
			for (int j = miny; j < height; j++) {
				int pixel = bi.getRGB(i, j);
				rgb[0] = (pixel & 0xff0000) >> 16;
				rgb[1] = (pixel & 0xff00) >> 8;
				rgb[2] = (pixel & 0xff);
				list[i][j] = rgb[0] + "," + rgb[1] + "," + rgb[2];

			}
		}
		return list;

	}
	
	public static void compareImage(String imgPath1, String imgPath2){
		String[] images = {imgPath1, imgPath2};
		if (images.length == 0) {
			System.out.println("Usage >java BMPLoader ImageFile.bmp");
			System.exit(0);
		}

		// 分析图片相似度 begin
		String[][] list1 = getPX(images[0]);
		String[][] list2 = getPX(images[1]);
		int xiangsi = 0;
		int busi = 0;
		int i = 0, j = 0;
		for (String[] strings : list1) {
			if ((i + 1) == list1.length) {
				continue;
			}
			for (int m=0; m<strings.length; m++) {
				try {
					String[] value1 = list1[i][j].toString().split(",");
					String[] value2 = list2[i][j].toString().split(",");
					int k = 0;
					for (int n=0; n<value2.length; n++) {
						if (Math.abs(Integer.parseInt(value1[k]) - Integer.parseInt(value2[k])) < 5) {
							xiangsi++;
						} else {
							busi++;
						}
					}
				} catch (RuntimeException e) {
					continue;
				}
				j++;
			}
			i++;
		}

		list1 = getPX(images[1]);
		list2 = getPX(images[0]);
		i = 0;
		j = 0;
		for (String[] strings : list1) {
			if ((i + 1) == list1.length) {
				continue;
			}
			for (int m=0; m<strings.length; m++) {
				try {
					String[] value1 = list1[i][j].toString().split(",");
					String[] value2 = list2[i][j].toString().split(",");
					int k = 0;
					for (int n=0; n<value2.length; n++) {
						if (Math.abs(Integer.parseInt(value1[k]) - Integer.parseInt(value2[k])) < 5) {
							xiangsi++;
						} else {
							busi++;
						}
					}
				} catch (RuntimeException e) {
					continue;
				}
				j++;
			}
			i++;
		}
		String baifen = "";
		try {
			baifen = ((Double.parseDouble(xiangsi + "") / Double.parseDouble((busi + xiangsi) + "")) + "");
			baifen = baifen.substring(baifen.indexOf(".") + 1, baifen.indexOf(".") + 3);
		} catch (Exception e) {
			baifen = "0";
		}
		if (baifen.length() <= 0) {
			baifen = "0";
		}
		if(busi == 0){
			baifen="100";
		}

		System.out.println("相似像素数量:" + xiangsi + " 不相似像素数量:" + busi + " 相似率:" + Integer.parseInt(baifen) + "%");

	}

	public static void main(String[] args){
		BMPLoader.compareImage("E:\\12.bmp", "E:\\1.bmp");
	}
}


Java中,我们可以利用OpenCV库来比较两张图片相似度,通常通过计算它们的特征描述符(如SIFT、SURF、ORB等)并进行匹配来实现。以下是一个简单的步骤: 1. **安装OpenCV**: 首先确保你已经在项目中添加了OpenCV Java的依赖。 2. **读取图片**: ```java Mat img1 = Imgcodecs.imread("path_to_image1.jpg"); Mat img2 = Imgcodecs.imread("path_to_image2.jpg"); ``` 3. **预处理图像**: 清除噪声,调整大小,可能还需要灰度化处理。 ```java Imgproc.cvtColor(img1, img1, Imgproc.COLOR_BGR2GRAY); Imgproc.cvtColor(img2, img2, Imgproc.COLOR_BGR2GRAY); ``` 4. **提取特征描述符**: ```java FeatureDetector detector = FeatureDetector.create(FeatureDetector.SIFT); // 或其他描述符 descriptorExtractor = DescriptorExtractor.create(detector.getName()); KeyPoint[] keypoints1 = detector.detect(img1); KeyPoint[] keypoints2 = detector.detect(img2); Mat descriptors1 = new Mat(); Mat descriptors2 = new Mat(); descriptorExtractor.compute(img1, keypoints1, descriptors1); descriptorExtractor.compute(img2, keypoints2, descriptors2); ``` 5. **匹配特征点**: ```java BFMatcher matcher = new BFMatcher(); // Brute-Force Matcher List<Match> matches = matcher.match(descriptors1, descriptors2); ``` 6. **筛选和排序匹配结果**: ```java matches.sort((m1, m2) -> Double.compare(m2.distance, m1.distance)); // 降序排列距离 ``` 7. **计算相似度**: - 可能使用余弦相似度或匹配率(比如RANSAC)来评估两幅图的相似程度。 8. **显示或保存结果**: ```java // 可视化匹配结果 drawMatches(img1, keypoints1, img2, keypoints2, matches, null); ``` 注意:这个过程可能会涉及到一些OpenCV的具体API,需要对OpenCV有一定的了解。对于复杂的应用,你可能还需要考虑更高级的技术,如SIFT/SURF以外的特征检测算法或深度学习的图像对比方法。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值