两个图片找出不同 可以调整阈值

以下内容由CHATGPT及阿里嘎多学长共同生成、有用望采纳：

在C++环境下使用OpenCV库来比较两张图片并找出它们之间的不同点，可以通过以下步骤实现：

1. 读取两张图片。
2. 将两张图片转换为灰度图，以简化处理过程。
3. 对两张图片进行差分操作，找出差异。
4. 应用阈值化，以过滤掉小于设定阈值的差异。
5. 寻找差异区域的轮廓，并输出不同点的坐标。

以下是一个简单的C++代码示例，使用OpenCV库来实现上述功能：

#include 
#include 

using namespace cv;
using namespace std;

int main() {
    // 读取两张图片
    Mat image1 = imread("image1.jpg", IMREAD_GRAYSCALE);
    Mat image2 = imread("image2.jpg", IMREAD_GRAYSCALE);

    if (image1.empty() || image2.empty()) {
        cerr << "Could not open or find the image" << endl;
        return -1;
    }

    // 计算两张图片的差异
    Mat diff;
    absdiff(image1, image2, diff);

    // 应用阈值化，过滤掉小于阈值的差异
    Mat thresh;
    double threshold = 50.0; // 阈值可以根据需要进行调整
    threshold(diff, thresh, threshold, 255, THRESH_BINARY);

    // 寻找差异区域的轮廓
    vector> contours;
    findContours(thresh, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);

    // 输出不同点的坐标
    for (size_t i = 0; i < contours.size(); i++) {
        for (size_t j = 0; j < contours[i].size(); j++) {
            cout << "Difference point: (" << contours[i][j].x << ", " << contours[i][j].y << ")" << endl;
        }
    }

    return 0;
}

请注意，上述代码示例中的阈值设置为50.0，您可以根据实际需要调整这个值。

关于参考资料，以下是一些有用的链接：

1. Arthur Wang - Otsu 阈值法：介绍了Otsu阈值法的基本原理，虽然这是Python的实现，但对理解阈值化很有帮助。
2. CSDN博客 - OpenCV图片差异检测与标注：提供了Python代码示例，演示如何使用OpenCV进行图片差异检测和标注差异区域。
3. CSDN博客 - OpenCV中的图像阈值化操作详解：详细介绍了OpenCV中的图像阈值化操作，包括代码实现。
4. 博客园 - 使用 OpenCV Python 检测和可视化两个图像之间的差异：虽然使用的是Python，但提供了比较两个图像差异的步骤和代码示例。
5. Cnblogs - OpenCV 入门教程：提供了OpenCV入门教程，包括阈值处理的相关内容。
6. OpenCV 官方文档 - 直方图对比：介绍了直方图对比的概念和方法，虽然与直接比较两张图片的差异不同，但提供了另一种分析图像差异的思路。

下午好🌅🌅🌅
本答案参考ChatGPT-3.5

以下是使用OpenCV C++实现两个图像找出不同点并输出不同点坐标的代码示例：

#include 
#include 
#include 

using namespace std;
using namespace cv;

void findDifferentPoints(Mat& img1, Mat& img2, vector& diffPoints, int threshold) {
    diffPoints.clear();

    // 确保两个图像的尺寸一致
    if (img1.size() != img2.size()) {
        cerr << "Error: Images have different sizes." << endl;
        return;
    }

    // 遍历所有像素点
    for (int y = 0; y < img1.rows; y++) {
        for (int x = 0; x < img1.cols; x++) {
            // 计算两个图像在该像素点的差异
            Scalar diff = abs(img1.at(y, x) - img2.at(y, x));

            // 如果差异超过阈值，则认为是不同点
            if (diff[0] > threshold) {
                diffPoints.push_back(Point(x, y));
            }
        }
    }
}

int main() {
    // 读取两个图像
    Mat img1 = imread("image1.jpg", 0);  // 转为灰度图像
    Mat img2 = imread("image2.jpg", 0);  // 转为灰度图像

    if (img1.empty() || img2.empty()) {
        cerr << "Error: Failed to read image files." << endl;
        return -1;
    }

    // 设置阈值
    int threshold = 50;

    // 找出不同点
    vector diffPoints;
    findDifferentPoints(img1, img2, diffPoints, threshold);

    // 输出不同点的坐标
    cout << "Different points coordinates:" << endl;
    for (const auto& point : diffPoints) {
        cout << "(" << point.x << ", " << point.y << ")" << endl;
    }

    // 在图像上可视化不同点
    Mat diffImg = img1.clone();
    for (const auto& point : diffPoints) {
        diffImg.at(point.y, point.x) = 255;  // 设置为白色
    }

    // 显示图像
    namedWindow("Different Points", WINDOW_NORMAL);
    imshow("Different Points", diffImg);
    waitKey(0);

    return 0;
}

请注意，这是一个基本的示例代码。准确性可能因图像的内容和阈值的选择而有所不同。你可以根据实际需求和图像特征进行调整。