python——几种截图对比方式！

本次记录的几种截图对比方式，主要是为了在进行手机自动化测试时，通过截图对比来判断测试的正确性，方式如下：

# -*- coding: utf- -*- 

'''
用途：利用python实现多种方法来实现图像识别
author:SYW
'''

import cv2
import numpy as np
from matplotlib import pyplot as plt 

# 最简单的以灰度直方图作为相似比较的实现
def classify_gray_hist(image1,image2,size = (,)):
    # 先计算直方图
    # 几个参数必须用方括号括起来
    # 这里直接用灰度图计算直方图，所以是使用第一个通道，
    # 也可以进行通道分离后，得到多个通道的直方图
    # bins 取为16
    image1 = cv2.resize(image1,size)
    image2 = cv2.resize(image2,size)
    hist1 = cv2.calcHist([image1],[],None,[],[0.0,255.0])
    hist2 = cv2.calcHist([image2],[],None,[],[0.0,255.0])
    # 可以比较下直方图
    plt.plot(range(),hist1,'r')
    plt.plot(range(),hist2,'b')
    plt.show()
    # 计算直方图的重合度
    degree =
    for i in range(len(hist1)):
        if hist1[i] != hist2[i]:
            degree = degree + ( - abs(hist1[i]-hist2[i])/max(hist1[i],hist2[i]))
        else:
            degree = degree +
    degree = degree/len(hist1)
    return degree 

# 计算单通道的直方图的相似值
def calculate(image1,image2):
    hist1 = cv2.calcHist([image1],[],None,[],[0.0,255.0])
    hist2 = cv2.calcHist([image2],[],None,[],[0.0,255.0])
    # 计算直方图的重合度
    degree =
    for i in range(len(hist1)):
        if hist1[i] != hist2[i]:
            degree = degree + ( - abs(hist1[i]-hist2[i])/max(hist1[i],hist2[i]))
        else:
            degree = degree +
    degree = degree/len(hist1)
    return degree 

# 通过得到每个通道的直方图来计算相似度
def classify_hist_with_split(image1,image2,size = (,)):
    # 将图像resize后，分离为三个通道，再计算每个通道的相似值
    image1 = cv2.resize(image1,size)
    image2 = cv2.resize(image2,size)
    sub_image1 = cv2.split(image1)
    sub_image2 = cv2.split(image2)
    sub_data =
    for im1,im2 in zip(sub_image1,sub_image2):
        sub_data += calculate(im1,im2)
    sub_data = sub_data/
    return sub_data 

# 平均哈希算法计算
def classify_aHash(image1,image2):
    image1 = cv2.resize(image1,(,))    #cv2.resize(源，目标，变换方法),将图片变换成想要的尺寸
    image2 = cv2.resize(image2,(,))
    gray1 = cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY)   #cv2.cvtColor(input_image,flag)实现图片颜色空间的转换，flag 参数决定变换类型。如 BGR->Gray flag 就可以设置为 cv2.COLOR_BGR2GRAY 。
    gray2 = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY)
    hash1 = getHash(gray1)
    hash2 = getHash(gray2)
    return Hamming_distance(hash1,hash2) 

def classify_pHash(image1,image2):
    image1 = cv2.resize(image1,(,))
    image2 = cv2.resize(image2,(,))
    gray1 = cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY)
    gray2 = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY)
    # 将灰度图转为浮点型，再进行dct变换
    dct1 = cv2.dct(np.float32(gray1))
    dct2 = cv2.dct(np.float32(gray2))
    # 取左上角的8*8，这些代表图片的最低频率
    # 这个操作等价于c++中利用opencv实现的掩码操作
    # 在python中进行掩码操作，可以直接这样取出图像矩阵的某一部分
    dct1_roi = dct1[:,:]
    dct2_roi = dct2[:,:]
    hash1 = getHash(dct1_roi)
    hash2 = getHash(dct2_roi)
    return Hamming_distance(hash1,hash2) 

#输入灰度图，返回hash
def getHash(image):
    avreage = np.mean(image)   #np.mean()求取均值
    hash = []
    for i in range(image.shape[]):
        for j in range(image.shape[]):
            if image[i,j] > avreage:
                hash.append()
            else:
                hash.append()
    return hash

# 计算汉明距离
def Hamming_distance(hash1,hash2):
    num =
    for index in range(len(hash1)):
        if hash1[index] != hash2[index]:
            num +=
    return num   #返回值越小，图片相似度越高

if __name__ == '__main__':
    img1 = cv2.imread('E:\\p1\\1.png',cv2.IMREAD_COLOR)     #读入图片，共2个参数，第一个参数为要读入的图片文件名，第二个参数为如何读取图片，包括cv2.IMREAD_COLOR读入一幅彩色图片,cv2.IMREAD_UNCHANGED读入一幅彩色图片，并包括alpha通道，cv2.IMREAD_GRAYSCALE已灰度模式读入图片
    img2 = cv2.imread('E:\\p2\\2.png',cv2.IMREAD_COLOR)
    c_img1 = img1[:, :]     #截取图片的某一部分
    c_img2 = img2[:, :]     #syw,[200:400]控制的是高度，[500:800]控制的是长度，500代表的是x1，800代表的是x2
    cv2.imshow('img1',c_img1)        #创建一个窗口显示图片，共2个参数，第一个参数为”窗口显示图片的标题“可以创建多个窗口，但每个窗口都不能重名，第二个参数为读入的图片
    cv2.imshow('img2',c_img2)
    #degree = classify_gray_hist(img1,img2)
    #degree = classify_hist_with_split(img1,img2)
    #degree = classify_pHash(img1,img2)    #syw
    #degree = classify_pHash(c_img1,c_img2)
    degree = classify_aHash(c_img1,c_img2)
    print degree
    if degree ==  or degree <:
        print "pass"
    else:
        print "fail"
    cv2.waitKey()    #键盘绑定函数。共一个函数，表示等待毫秒数，将等待特定的几毫秒，看键盘是否有输入，返回值是ASCII值，如果其参数为0，则表示无限期的等待键盘输入
    cv2.destroyAllWindows()  #删除建立的全部窗口
    #cv2.destroyWindows():        #删除指定的窗口