java查看两张图片的相似度

该Java代码实现了一个方法用于读取图片的RGB值并比较两张图片的相似度。通过遍历每张图片的像素,比较RGB分量的差异来评估相似性。如果颜色差值小于5,则认为像素点相似。最后计算并输出相似像素的数量、不相似像素的数量以及相似率。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

java查看两张图片的相似度

package com.tlzn.tkwl.test.service;

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

/**
 * @Author yjl
 * @Date 2022/1/10 15:39
 * @Version 1.0
 */



public class test {
    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){
        test.compareImage("C:\\Users\\dell-pc\\Pictures\\a.jpg", "C:\\Users\\dell-pc\\Pictures\\c.jpg");




    }
}
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
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