Python 将裁剪后的图像与opencv进行比较

我想比较两幅图像以检查它们是否相等，但为此我需要比较两幅图像的特定区域（ROI）。 我已经裁剪了我想要比较的区域，但现在我想知道如何才能完成这个过程，因为我不能直接比较裁剪后的图像。 例如，如何获得两个裁剪图像的平均像素值并进行比较

更新：我已经解决了这个问题。 当前代码：

import cv2
import numpy as np
from skimage.measure import compare_ssim as ssim


def mse(imageA, imageB):
    # the 'Mean Squared Error' between the two images is the sum of the squared difference between the two images;
    err = np.sum((imageA.astype("float") - imageB.astype("float")) ** 2) 
    err /= float(imageA.shape[0] * imageA.shape[1])


polarity_ok = cv2.resize(cv2.imread("polarity_OK_edited.jpg"),None,fx=0.2, fy=0.2) #resize the image to be smaller
polarity_nok = cv2.resize(cv2.imread("Polarity_NOK1.JPG"), None,fx=0.2, fy=0.2) #resize the image to be smaller

polarity_ok_cropped = polarity_ok[350:408, 97:111]
polarity_nok_cropped = polarity_nok[350:408, 97:111]

polarity_ok_cropped1 = polarity_ok[359:409, 232:240]
polarity_nok_cropped1 = polarity_nok[359:409, 232:240]

polarity_ok_cropped2 = polarity_ok[118:153, 44:69]
polarity_nok_cropped2 = polarity_nok[118:153, 44:69]

polarity_ok_cropped3 = polarity_ok[94:142, 192:197]
polarity_nok_cropped3 = polarity_nok[94:142, 192:197]

m = mse(polarity_ok_cropped, polarity_nok_cropped)
s = ssim(polarity_ok_cropped, polarity_nok_cropped, multichannel=True)

diff = cv2.subtract(polarity_ok_cropped, polarity_nok_cropped)
result = not np.any(diff)

m1 = mse(polarity_ok_cropped1, polarity_nok_cropped1)
s1 = ssim(polarity_ok_cropped1, polarity_nok_cropped1, multichannel=True)

diff1 = cv2.subtract(polarity_ok_cropped1, polarity_nok_cropped1)
result1 = not np.any(diff1)

m2 = mse(polarity_ok_cropped2, polarity_nok_cropped2)
s2 = ssim(polarity_ok_cropped2, polarity_nok_cropped2, multichannel=True)

diff2 = cv2.subtract(polarity_ok_cropped2, polarity_nok_cropped2)
result2 = not np.any(diff2)

m3 = mse(polarity_ok_cropped2, polarity_nok_cropped2)
s3 = ssim(polarity_ok_cropped2, polarity_nok_cropped2, multichannel=True)

diff3 = cv2.subtract(polarity_ok_cropped3, polarity_nok_cropped3)
result3 = not np.any(diff3)


if (result and result1 and result2 and result3):
    print ("The polarity is correct. Awesome :)")
else:
    print ("Nice try, but the polarity is incorrect. Take another chance!")

---

您可以使用结构相似性指数（SSIM）作为输入，并返回[-1,1]范围内的分数值。分数为1表示两个输入图像之间完全相似（如果两个图像相等）

---

顺便说一句，最好将比较前的输入图像转换为灰度。

如果您确切知道要比较的对象的位置，使用OpenCV比较两幅图像的简单而快速的方法是使用

calcHistogram（）

为每个通道（RGB或HSV）提取直方图，然后使用

compareHist（）进行比较

---

更多信息和示例可在此处找到：

还有一种方法可以做到这一点：

从PIL导入图像
输入数学，运算符
i1=Image.open（'./image1.png'）
i2=Image.open（'./image2.png'）
#这将调整图像文件的任何格式
断言i1.mode==i2.mode，“不同类型的图像”
断言i1.size==i2.size，“不同的大小。”
pairs=zip（i1.getdata（），i2.getdata（））
如果len（i1.getbands（））==1：
#用于灰度JPEG
dif=总和（p1的abs（p1-p2），p2成对）
其他：
dif=总和（p1的abs（c1-c2），c1的p2成对，拉链中的c2（p1，p2））
ncomponents=i1.大小[0]*i1.大小[1]*3
打印（“差异（百分比）：”，（dif/255.0*100）/ncomponents）

谢谢您的回答。但是当我尝试使用skimage时，我得到了以下错误：“ModuleNotFoundError:没有名为'scipy'的模块”您可以简单地在cmd上执行

pip install scipy stack

（取决于您使用的环境）

from skimage.measure import compare_ssim
(score, diff) = compare_ssim(image1, image2, full=True)