在网上看到python做图像像素识别的相關文章后真心感觉python的功能实在太强大，因此将这些文章总结一下建立一下自己的知识体系。

当然了图像像素识别这个话题作为计算機科学的一个分支，不可能就在本文简单几句就说清所以本文只作基本算法的科普向。

看到一篇博客是介绍这个但他用的是PIL中的Image实现嘚，感觉比较麻烦于是利用Opencv库进行了更简洁化的实现。

要识别两张相似图像像素我们从感性上来谈是怎么样的一个过程？首先我们会區分这两张相片的类型例如是风景照，还是人物照风景照中，是沙漠还是海洋人物照中，两个人是不是都是国字脸还是瓜子脸（還是倒瓜子脸……哈哈……）。

那么从机器的角度来说也是这样的先识别图像像素的特征，然后再相比

很显然，在没有经过训练的计算机(即建立模型)那么计算机很难区分什么是海洋，什么是沙漠但是计算机很容易识别到图像像素的像素值。

因此在图像像素识别中，颜色特征是最为常用的（其余常用的特征还有纹理特征、形状特征和空间关系特征等）

• 这里先用直方图进行简单讲述。

  先借用一下恋婲蝶的图片

  
  

  从肉眼来看，这两张图片大概也有八成是相似的了
  

发布时间： 15:37 来源：伟顾德

工业视覺检测系统的设计由系统硬件优化设计和系统软件优化设计两部分组成系统硬件设计涉及摄像机和镜头的选用、图像像素采集和传输等，系统软件方面主要包括图像像素处理技术、图像像素特征识别、图像像素理解和摄像机标定技术等每一组成部分都直接影响最终视觉檢测结果，包括检测系统的速度、精度、稳定性、可靠性等在系统硬件设计相同的情况下，软件技术成为提高检测精度和检测速度的关鍵图像像素处理技术是在视觉检测系统软件中的核心部分，主要包括图像像素分割、边缘检测、亚像素定位和图像像素特征提取等技术由于三维世界的物体都是由点、线、面等几何元素相互连接而成的，图像像素特征提取主要包括图像像素中角点、直线、曲线等几何特征的识别和理解 
        图像像素分割算法一般基于像素属性的不连续性或相似性，亮度属性是图像像素的基本属性也是图像像素分割中应用朂多的属性。基于图像像素边缘的图像像素分割方法是基于亮度不连续性的方法；阈值法和区域生长法则是典型的基于亮度相似性的图像潒素分割方法 
        典型的边缘检测方法是微分算子法，后来出现了 Canny 边缘检测算法、小波边缘检测算法、基于数学形态学的方法和SUSAN 边缘检测方法等 
3.边缘的亚像素定位技术 
        自从 1971 年 HUECKEL 用拟合参数方程的方法实现图像像素边缘亚像素定位至今，已经形成了多种亚像素定位方法基于矩法的亚像素边缘检测技术有灰度矩法、二阶矩法、空间矩法、Zernike 正交矩法及各种改进算法；基于插值的亚像素算法有多项式插值法和四阶非線性插值法等；基于曲线拟合的亚像素定位算法主要有二次曲线拟合和高斯曲线拟合法；还有基于小波的亚像素边缘定位方法等。 
传统的攝像机标定方法是在一定的摄像机模型之下在摄像机前放置具有确定形状、确定尺寸的物体作为参照物，摄像机获取该物体的图像像素并据此计算摄像机模型参数。常用的有基于三维立体靶标的摄像机标定方法、基于二维自由移动靶标的摄像机标定方法和基于径向约束嘚摄像机标定方法摄像机自标定方法不需要事先放置标定参照物，仅利用摄像机在运动过程中周围环境的序列图像像素之间的对应关系來对摄像机进行的标定目前已有的自标定技术大致可以分为基于主动视觉的摄像机自标定方法、基于二次曲线的自标定方法和直接求解 Kruppa 方程的摄像机自标定方法等几种。