如何查找两张图像的差异 即使其中一张内物体存在轻微旋转

第一步：前置预处理（避免黑边干扰） #

对齐后的图像存在黑边属于无效区域，需要先处理避免影响差异检测结果：

• 对对齐后的图像做二值化，提取非零像素的最小外接矩形，裁掉黑边区域，再统一缩放到和主图像完全相同的尺寸
• 若对齐精度不足，可以先做一次亚像素级的微调对齐，避免像素偏移带来的假差异

第二步：三种常用差异检测方法 #

方法1：像素差法（最直接，适合明显差异） #

直接对两张同尺寸图做逐像素相减，对差值做阈值过滤后得到差异掩码：

• 灰度图场景：计算两张灰度图的绝对差值，大于阈值的像素即为差异区域
• 彩色图场景：可以分通道做差后合并，或者转LAB颜色空间做明度和色度的差异计算，对模糊的检测更敏感

方法2：结构相似性SSIM检测（适合检测模糊、轻微形变） #

SSIM可以量化两张图的结构相似程度，返回的差异图中数值越低的区域就是差异越大的位置，比像素差法更适合检测轻微模糊这类不明显的差异：

• 调用结构相似性计算接口，设置返回完整差异矩阵
• 对差异矩阵取反后二值化，即可得到模糊、形变类的差异区域

方法3：特征点匹配残差法（适合匹配错误排查） #

如果是匹配结果出错，可以提取两张图的SIFT/SURF特征点做匹配，计算匹配点的重投影误差，误差超过阈值的位置就是匹配错误的区域，能定位到对齐失败的局部位置。

第三步：差异高亮可视化 #

得到差异掩码后，有几种高亮方式可选：

• 蒙版叠加：把差异区域用半透明红色蒙版叠加到主图或者对齐后的图上，差异位置一目了然
• 热力图：把差异的大小映射为从蓝到红的热力图，叠加到原图上，能直观看到差异的严重程度，模糊越严重的区域颜色越深
• 边界框标注：对差异掩码做轮廓检测，给每个连通的差异区域画矩形框或者轮廓线，还可以标注差异的大小、类型

示例核心代码（Python+OpenCV+Skimage） #

import cv2
import numpy as np
from skimage.metrics import structural_similarity as ssim

# 读取图像
master = cv2.imread("Master.png")
aligned = cv2.imread("aligned_result.jpg")
# 统一尺寸
aligned = cv2.resize(aligned, (master.shape[1], master.shape[0]))

# 转灰度图
gray_master = cv2.cvtColor(master, cv2.COLOR_BGR2GRAY)
gray_aligned = cv2.cvtColor(aligned, cv2.COLOR_BGR2GRAY)

# 计算SSIM差异
(score, diff) = ssim(gray_master, gray_aligned, full=True)
diff = (diff * 255).astype("uint8")

# 二值化得到差异掩码
thresh = cv2.threshold(diff, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]
# 找差异轮廓
contours = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]

# 高亮标注差异
for c in contours:
    area = cv2.contourArea(c)
    if area > 10: # 过滤噪点
        x,y,w,h = cv2.boundingRect(c)
        cv2.rectangle(aligned, (x,y), (x+w,y+h), (0,0,255), 2)

# 保存结果
cv2.imwrite("diff_result.jpg", aligned)

内容的提问来源于stack exchange，提问作者mihir lakhani