您的位置:首页 >要闻 >

如何使用 Python比较两张图像并获得准确度?

时间:2023-01-09 16:16:03 来源:

本文,将带你了解如何使用 Python、OpenCV 和人脸识别模块比较两张图像并获得这些图像之间的准确度水平。

首先,你需要了解我们是如何比较两个图像的。我们正在使用Face Recognition python 模块来获取两张图像的128 个面部编码,我们将比较这些编码。比较结果返回 True 或 False。如果结果为True ,那么两个图像将是相同的。如果是False,则两个图像将不相同。

128 种面部编码将如下所示

128 个人脸编码(人脸标志)

仅当比较结果返回 True 值时,才会打印准确度级别。

现在,让我们进入本主题的编码部分,

为了实现这一点,我们需要安装几个 python 模块。为此,只需打开命令提示符或终端,键入以下内容。

pip install opencv-python

pip install face-recognition

安装后,现在是时候导入这些模块了。然后,我们需要创建一个名为 find_face_encodings(image_path) 的新函数,它获取图像位置(路径)并返回 128 个面部编码,这在比较图像时非常有用。

find_face_encodings(image_path) 函数将使用 OpenCV 模块,从我们作为参数传递的路径中读取图像,然后返回使用 face_recognition 模块中的 face_encodings() 函数获得的 128 个人脸编码。

import cv2

import face_recognition

def find_face_encodings(image_path):

# reading image

image = cv2.imread(image_path)

# get face encodings from the image

face_enc = face_recognition.face_encodings(image)

# return face encodings

return face_enc[0]

现在,使用两个不同的图像路径调用 find_face_encodings(image_path) 函数,并将其存储在两个不同的变量中,image_1和image_2

# getting face encodings for first image

image_1 = find_face_encodings("image_1.jpg")

# getting face encodings for second image

image_2 = find_face_encodings("image_2.jpg")

现在,我们可以使用编码执行比较和查找这些图像的准确性等操作。

· 比较将通过使用 face_recognition 中的 compare_faces() 函数来完成。

· 通过找到 100 和 face_distance 之间的差异来确定准确性。

# checking both images are same

is_same = face_recognition.compare_faces([image_1], image_2)[0]

print(f"Is Same: {is_same}")

if is_same:

# finding the distance level between images

distance = face_recognition.face_distance([image_1], image_2)

distance = round(distance[0] * 100)

# calcuating accuracy level between images

accuracy = 100 - round(distance)

print("The images are same")

print(f"Accuracy Level: {accuracy}%")

else:

print("The images are not same")

输出——案例 1

Is Same: True

The images are same

Accuracy Level: 64%

输出——案例 2

Is Same: False

The images are not same

原文标题:如何使用 Python比较两张图像并获得准确度?


郑重声明:文章仅代表原作者观点,不代表本站立场;如有侵权、违规,可直接反馈本站,我们将会作修改或删除处理。