如何在Python中找出不同形状/尺寸的两张图片的差异？

• 别直接靠resize硬拉尺寸，先做图像对齐。单纯缩放只是改变像素密度，没修正两张图的位置、旋转或局部形变差异，这才是对比后差异量过大的核心原因。
• 用OpenCV的特征匹配流程实现精准对齐，步骤如下：
  1. 提取图像特征点（以ORB为例，无需额外依赖，也可替换为SIFT适配更复杂场景）：

     import cv2
     import numpy as np
     
     # 读取灰度图
     img1 = cv2.imread('img1.jpg', cv2.IMREAD_GRAYSCALE)
     img2 = cv2.imread('img2.jpg', cv2.IMREAD_GRAYSCALE)
     
     # 初始化ORB检测器，设置特征点数量
     orb = cv2.ORB_create(500)
     kp1, des1 = orb.detectAndCompute(img1, None)
     kp2, des2 = orb.detectAndCompute(img2, None)
     

  2. 匹配并筛选优质特征对：

     # 暴力匹配器，开启交叉校验提升匹配精度
     bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True)
     matches = bf.match(des1, des2)
     # 按匹配距离排序，取前100个最优质的匹配对
     matches = sorted(matches, key=lambda x: x.distance)[:100]
     

  3. 计算单应性矩阵，完成图像对齐：

     # 提取匹配点的坐标
     pts1 = np.float32([kp1[m.queryIdx].pt for m in matches]).reshape(-1, 1, 2)
     pts2 = np.float32([kp2[m.trainIdx].pt for m in matches]).reshape(-1, 1, 2)
     # RANSAC算法计算单应性矩阵，过滤异常匹配点
     M, mask = cv2.findHomography(pts2, pts1, cv2.RANSAC, 5.0)
     # 将第二张图对齐到第一张图的尺寸
     h, w = img1.shape
     aligned_img2 = cv2.warpPerspective(img2, M, (w, h))
     

• 对齐后再做差异计算：

  # 计算灰度图差异
  diff = cv2.absdiff(img1, aligned_img2)
  # 二值化突出明显差异
  _, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)
  # 统计差异像素总数
  diff_pixel_count = np.sum(thresh > 0)
  print(f"差异像素数量: {diff_pixel_count}")
  

• 补充提示：如果只是简单的平移、小角度旋转差异，也可以用模板匹配快速对齐，但特征匹配适配范围更广，能处理局部形状变化的场景。

内容的提问来源于stack exchange，提问作者Anand Bhandari