关于python cv2环境搭建梳理

本文主要是介绍关于python cv2环境搭建梳理，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

在使用Python做图片相识度对比时候，网上一搜大部分都是直接贴出了代码、但这块具体的搭建没有找到一个完整的方法。结合自己搜索心得，汇总一下。希望能帮到累死在环境搭建中的同道中人。前提需要安装numpy：pip install numpy

本文主要用来解决以下2个问题
1、不知道如何 import cv2

导入cv2，需要手动去网站选择下载自己合适的版本
https://www.lfd.uci.edu/~gohlke/pythonlibs/
进入后直接Ctrl+F搜索OpenCV

下载后进入下载目录，使用cmd命令进行安装
pip install opencv_python-3xxx_amd64.whl
安装成功后直接import cv2， 成功。

避免重复造轮子，如果还是不会可以参考以下详细教程。
https://blog.csdn.net/baidu_37366055/article/details/81737805

2、from skimage.measure import compare_ssim报错
首先，需要安装scikit-image库，然后使用一下方式进行导入
from skimage.metrics import structural_similarity

示例：

import cv2
from skimage.metrics import structural_similarity

def compare_image(imagePath1, imagePath2):
    imageA=cv2.imread(imagePath1)
    imageB = cv2.imread(imagePath2)

    grayA = cv2.cvtColor(imageA, cv2.COLOR_BGR2GRAY)
    grayB = cv2.cvtColor(imageB, cv2.COLOR_BGR2GRAY)

    score, diff = structural_similarity(grayA, grayB, full=True)
    print('SSIM:{}'.format(score))
    return score
if __name__ == '__main__':
    score = compare_image('xxx/xxx.png','xxx/ooo.png')
    print("Score:{}".format(score))
    if score >0.5:
    	print('xxxxxxxxx')
    #Score:0.46122278272499356
    #Score:0.38601514916629887
    #Score:0.26453798916071003
    #Score:0.08641753856358424

2个图片相识度越高数值越大，完全相等返回1.0。可以根据对比结果进行判断，完成自己的需求。

这篇关于关于python cv2环境搭建梳理的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！