python - 比较两个包含文本的相似图像

Question

我有几对人眼看起来相同的图像，但如果你放大并检查细节 - 它们的像素不同 - 主要是由于不同的渲染。

我正在寻找一种可以判断两个图像是否相同的算法。使用常规的逐像素比较是行不通的，因为存在差异，例如不同的抗锯齿或不同的字母间距（这会导致像素偏移）。

另一种可能的情况是，在一个图像中，文本可以是斜体/下划线，而在第二个图像中则不是。

假设是：

• 两张图片的字体大小相同
• 字体大小可小可大 - 从 8px 到 30px
• 图像具有相同的大小

以下是 2 个包含相同文本的图像示例，呈现方式略有不同：

这是两个不同图像的示例：

任何帮助将不胜感激！

标签： pythoncomputer-vision

Answer 1

很高兴知道您正在运行此过程的目的。我的意思是，下面我建议可能使用 OCR；当然，如果您尝试构建自己的 OCR，我的建议将毫无意义（我预感到您可能正在尝试自动化某种浏览器呈现的 UI 接口）。

您可以通过预阈值或PSNR计算来补偿不同的抗锯齿。这假设字母的位置完全相同。

如果间距不同（甚至更多，如果您有不同的字距）并且锯齿不同，那么我认为您最好的选择是分别对两个图像进行 OCR 并比较生成的文本；否则您将不得不分割每个文本行，然后在每个字母处重新对齐图像。基本上，您从图像 1 中获取一个垂直切片，宽度为 1 到 3 个像素；然后获取图像 2 上五个相同大小的不同切片的 PSNR 值，与从 -2 到 +2 的偏移量对齐（比如说）；最小 PSNR 将为您提供以下字母的偏移调整和匹配的可靠性。

问题是，如果字母真的不同，您将不再能够可靠地计算图像偏移量，因此您将能够分辨出“HELLO”和“HILLS”不同，但无法量化差异，因为您将失去同步并且无法比较两个 L。除非您尝试使用更大的偏移量重新同步（从 -2 到 +X，其中 X 是较宽字母的宽度，可能是“W”），但这会很昂贵并且仍然容易出错（例如，如果比较“ 13”与字母“B”，或“LI”与“U”，“I.”与“L”等）。