### 使用Python进行图像对比并可视化不同之处 为了实现图像之间的比较，并高亮显示差异区域，可以利用`OpenCV`库来读取和处理图像。通过计算两张图片之间像素级别的差值，能够识别出变化的部分。具体来说： - **加载图像**：使用`cv2.imread()`函数分别载入待比较的两幅图，并转换为灰度模式以便简化后续操作[^1]。 ```python import cv2 import numpy as np img1 = cv2.cvtColor(cv2.imread('image1.jpg'), cv2.COLOR_BGR2GRAY) img2 = cv2.cvtColor(cv2.imread('image2.jpg'), cv2.COLOR_BGR2GRAY) ``` - **求解绝对差分**：调用`cv2.absdiff()`方法获取两个输入数组对应位置上元素间的绝对差距矩阵作为输出结果。 ```python difference = cv2.absdiff(img1, img2) ``` - **阈值化处理**：应用二值化技术将上述得到的结果进一步加工成黑白形式，使得明显不同的部分呈现白色而相同的地方保持黑色背景不变。这里选用固定阈值法(`THRESH_BINARY`)配合自适应直方图均衡化(`CLAHE`)以提高检测精度[^2]。 ```python _, thresh_diff = cv2.threshold(difference, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU) clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8)) enhanced_thresh_diff = clahe.apply(thresh_diff) ``` - **轮廓提取与绘制边界框**：基于二值化的差异图像寻找连通域即物体轮廓，进而围绕这些目标画矩形边框突出展示区别所在的位置。 ```python contours, _ = cv2.findContours(enhanced_thresh_diff.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) highlighted_img = cv2.drawContours(np.zeros_like(img1), contours, -1, (255, 255, 255), thickness=cv2.FILLED) result = cv2.addWeighted(cv2.cvtColor(highlighted_img, cv2.COLOR_GRAY2BGR), 0.7, cv2.cvtColor(img1, cv2.COLOR_GRAY2BGR), 0.3, 0) for cnt in contours: x, y, w, h = cv2.boundingRect(cnt) cv2.rectangle(result, (x, y), (x+w, y+h), color=(0, 0, 255), thickness=2) ``` 最终可保存或显示经过标注后的效果图供查看分析[^4]。 ```python cv2.imshow("Difference Highlight", result) cv2.waitKey(0); cv2.destroyAllWindows() ```