Python OpenCV没有'；在同一个图像上不能给出相同的输出

我正在尝试创建一个程序来检查两个图像是否相同。我有以下代码，这两个图像都会执行：

img=cv2.imread（'canvas.png'）
掩码=np.0（img.shape[：2]，np.uint8）
bgdModel=np.zero（（1,65），np.float64）
fgdModel=np.zero（（1,65），np.float64）
rect=（70,70300250）
cv2.grabCut（img，mask，rect，bgdModel，fgdModel，5，cv2.GC_INIT_WITH_rect）
mask2=np.where（（mask==2）|（mask==0），0,1）.astype（'uint8'）
img=img*mask2[：，：，np.newaxis]
img=img[84:191,84:203]
计数=1
cv2.imwrite（“tmp/”+str（count）+.png”，img）

第一次运行时，我得到以下输出： . 经过一段时间~7秒后，我使用完全相同的图像执行此操作，并得到以下输出：。我再试了一次，再次得到了不同的输出：

我试图检查图像是否与内容相同，但我无法使其正常工作。我使用Stackoverflow上的以下代码检查相似性：

def与之类似（图1、图2）：
返回image1.shape==image2.shape和not（np.bitwise\uxor（image1，image2.any（））

当用第二个图像检查第一个图像时，返回false。我怎样才能做到这一点

谢谢你抽出时间

==编辑====

这是

==编辑2====

在看了@Rotem他们的答案后，我尝试了一下，但仍然显示出一点细微的差异，上面的函数返回

False

on:

---

和

cv2。grabCut

不会给出确定性结果，因为grabCut算法使用内置的随机性

根据：

这用于在像素标签上构造马尔可夫随机字段

在执行

cv2.grabCut

之前，您可以通过重置OpenCV随机生成器的种子来避免随机性：

cv2.setRNGSeed(0)

下面是一个代码示例：

for count in range(10):
    cv2.setRNGSeed(0)
    img = cv2.imread('canvas.png')
    mask = np.zeros(img.shape[:2],np.uint8)
    bgdModel = np.zeros((1,65),np.float64)
    fgdModel = np.zeros((1,65),np.float64)
    rect = (70,70,300,250)
    cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
    mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
    img = img*mask2[:,:,np.newaxis]
    img = img[84:191, 84:203]
    cv2.imwrite(str(count)+".png", img)

---

更新： 您可以使用以下循环来比较图像：

# Verify that all images are the same
for count in range(10):
    im = cv2.imread(str(count)+".png")
    is_same = is_similar(im, img)
    if not is_same:
        print('Images are not the same, and it is strange!')

在我的机器里，它们都是一样的

---

完整代码：

import cv2
import numpy as np

# Disable OpenCL and disable multi-threading.
cv2.ocl.setUseOpenCL(False)
cv2.setNumThreads(1)


def is_similar(image1, image2):
    return image1.shape == image2.shape and not(np.bitwise_xor(image1,image2).any())

for count in range(10):
    cv2.setRNGSeed(0)
    img = cv2.imread('canvas.png')
    mask = np.zeros(img.shape[:2],np.uint8)
    bgdModel = np.zeros((1,65),np.float64)
    fgdModel = np.zeros((1,65),np.float64)
    rect = (70,70,300,250)
    cv2.grabCut(img,mask,rect,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
    mask2 = np.where((mask==2)|(mask==0),0,1).astype('uint8')
    img = img*mask2[:,:,np.newaxis]
    img = img[84:191, 84:203]
    cv2.imwrite(str(count)+".png", img)


# Verify that all images are the same
for count in range(10):
    im = cv2.imread(str(count)+".png")
    is_same = is_similar(im, img)
    if not is_same:
        print('Images are not the same, and it is strange!')

---

cv2.grabCut（）

中有一个随机因素。在初始标记后，使用高斯混合模型检测前景和背景。更多信息请参阅grabcut引用的论文

---

正是由于这种随机性，你看到了不同的结果。你应该考虑使用一些降噪技术，比如形态学运算（<代码> CV2，腐蚀（））/代码>和<代码> CV2..DistAuter（）/代码>来处理这个问题。

你能发布“代码> >画布吗？PNG ，使问题重现吗？”RoTEM补充说，谢谢你的回答！我已经试过了

xv.setRNGSeed（0）

，但它仍然返回了两个稍有不同的图像，而我用来检查图像是否相同的函数并不喜欢。检查问题更新，有什么问题吗？我添加了一个循环来比较结果（更新了我的帖子）。在我的机器中，所有图像都是相同的。这可能是因为在你的系统中，仅仅依靠随机发生器的种子是不够的。有些情况下，浮点运算由于舍入错误而产生不同的结果（GPU执行等并行计算中的常见问题，但CPU多线程也是不确定的）。我不能说这里是否是这样。您可以尝试禁用OpenCL和多线程：

cv2.ocl.setUseOpenCL（False）

和

cv2.setNumThreads（1）

。