如何用OpenCV精准识别两幅图像的深色差异区域并圈出？

问题背景 #

使用PIL的ImageChops.difference检测图像差异时，结果显示全图几乎都有差异，但实际仅少数深色区域存在差异。需要用OpenCV实现精准识别，并在原始图像上圈出差异点。

当前PIL代码：

from PIL import Image, ImageChops
img1, img2 = Image.open('1.png'), Image.open('2.png')
diff = ImageChops.difference(img1,img2)
if diff.getbbox():
    diff.show()

相关图像：

• 图像1：
• 图像2：
• PIL检测结果：

解决方案 #

核心思路 #

ImageChops.difference直接计算RGB像素绝对差，对微小色彩波动（如压缩偏差）过于敏感，导致大面积误判。OpenCV通过灰度化、阈值过滤、轮廓检测的组合，可精准提取真正的差异区域。

实现代码 #

import cv2
import numpy as np

# 读取图像
img1 = cv2.imread('1.png')
img2 = cv2.imread('2.png')

# 转为灰度图，消除色彩通道干扰
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

# 计算灰度图像素差异
diff_gray = cv2.absdiff(gray1, gray2)

# 阈值过滤：仅保留差异明显的区域（阈值可按需调整）
_, thresh = cv2.threshold(diff_gray, 30, 255, cv2.THRESH_BINARY)

# 形态学操作去除噪点
kernel = np.ones((3, 3), np.uint8)
thresh = cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)  # 先腐蚀后膨胀，消除小噪点
thresh = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel) # 先膨胀后腐蚀，填补小空洞

# 查找差异区域轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

# 在原始图像上标注差异区域
for cnt in contours:
    x, y, w, h = cv2.boundingRect(cnt)
    # 图像1上绘制红色矩形框
    cv2.rectangle(img1, (x, y), (x + w, y + h), (0, 0, 255), 2)
    # 图像2上绘制红色矩形框
    cv2.rectangle(img2, (x, y), (x + w, y + h), (0, 0, 255), 2)

# 展示结果
cv2.imshow('标注差异的图像1', img1)
cv2.imshow('标注差异的图像2', img2)
cv2.imshow('过滤后的差异图', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()

# 保存标注后的图像（可选）
cv2.imwrite('img1_marked.png', img1)
cv2.imwrite('img2_marked.png', img2)

关键步骤说明 #

1. 灰度化：将彩色图像转为单通道灰度图，聚焦亮度差异，避免RGB通道各自波动的干扰。
2. 阈值过滤：设置像素差阈值（示例为30），将微小差异的区域置为黑色，只保留真正的差异区域。
3. 形态学操作：通过开运算和闭运算清理差异图中的噪点，让差异轮廓更规整。
4. 轮廓标注：提取差异区域的轮廓，用红色矩形框在原始图像上标记，直观展示差异位置。

参数调整建议 #

• 若差异区域被误过滤，可降低阈值（如从30调至20）；
• 若噪点过多，可增大形态学核尺寸（如从(3,3)调至(5,5)）；
• 矩形框的颜色、线宽可通过cv2.rectangle的最后两个参数修改。

内容的提问来源于stack exchange，提问作者Peter Basaw