### 使用OpenCV比较两张图片并绘制差异轮廓 为了实现通过OpenCV比较两张图片并绘制它们之间的差异轮廓，可以按照以下方法操作。此过程涉及读取图像、转换为灰度图、计算绝对差值以及查找和绘制轮廓。 #### 步骤说明 以下是完整的解决方案： 1. **加载图像** 需要先加载两幅待比较的图像，并将其转换为灰度模式以便后续处理[^1]。 2. **计算图像差异** 计算两幅灰度图像之间像素级的绝对差值，这一步可以通过 `cv2.absdiff` 函数完成[^3]。 3. **二值化处理** 对得到的差值图像应用阈值处理，从而获得清晰的黑白掩码图像。这样有助于更精确地检测边缘和轮廓。 4. **查找轮廓** 利用 `cv2.findContours` 方法提取图像中的轮廓信息。需要注意的是，在不同的OpenCV版本中该函数返回的结果可能有所不同[^2]。 5. **绘制轮廓** 将上一步获取到的所有轮廓叠加回原始彩色图像之上作为可视化结果展示出来。 下面是具体代码实现： ```python import cv2 import numpy as np # 加载两张图片 imageA = cv2.imread('image1.jpg') imageB = cv2.imread('image2.jpg') # 转换为灰度图 grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY) grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY) # 计算两个灰度图像之间的绝对差值 difference = cv2.absdiff(grayA, grayB) # 应用阈值处理使变化区域更加明显 _, thresh = cv2.threshold(difference, 30, 255, cv2.THRESH_BINARY) # 查找轮廓 (注意这里根据opencv版本调整findContours参数顺序) contours, _ = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 绘制轮廓于原图之一 for contour in contours: if cv2.contourArea(contour) > 100: # 过滤掉较小的变化部分 (x, y, w, h) = cv2.boundingRect(contour) cv2.rectangle(imageA, (x, y), (x+w, y+h), (0, 0, 255), 2) # 显示最终带有标记框的结果图 cv2.imshow("Difference Contours", imageA) cv2.waitKey(0) cv2.destroyAllWindows() ``` 上述脚本实现了从加载数据到最后呈现效果的整体流程。 #### 结果解释 执行以上程序后，您会看到一幅新生成的画面——其中红色矩形标注出了第二张照片相对于第一张发生变化的位置；这些位置即代表两者间存在的主要区别之处[^5]。 此外还可以考虑引入结构相似性指数(SSIM)，它不仅能够指出哪些地方存在偏差而且还能量化这种偏离程度的好坏等级[^4]。 ---