Im üblichen Diskurs können die meisten Menschen beim Betrachten eines fotografierten Bildes (A) - das ein JPG ist - und einer leicht mit Photoshop bearbeiteten Version davon (A2) die beiden intuitiv vergleichen und visuell feststellen, dass es sich tatsächlich um dasselbe Bild handelt, außer für eine kleine Anzahl von Unterschieden.
Dies ist jedoch kein formeller Beweis dafür, dass die beiden Bilder „fast identisch“ sind, und kann daher in einer Umgebung angefochten werden, in der strengere Beweisstandards erforderlich sind (rechtliche Umgebung oder Skeptics.SE).
Wenn es sich um zwei Textdateien handelte, konnte man einen diff
Befehl darauf ausführen und eine große Ähnlichkeit feststellen, indem das Ergebnis deutlich kleiner als die Dateigröße war.
Da es sich jedoch um JPG-Bilder handelt, würde ich erwarten, dass der Effekt des Photoshoppings und des Speicherns einer zweiten Version - mit einem etwas anderen Komprimierungsverhältnis - dazu führen würde, dass das direkte Diff zu 100% nutzlos ist.
Gibt es formale Methoden in der Bildverarbeitung, die verwendet werden können, um die beiden gespeicherten Fotos mit verlustbehafteter Komprimierung (JPG) zu "differenzieren" ?
Die Methodik sollte überprüft werden (z. B. durch Peer-Review-Verfahren bis hin zur Veröffentlichung in einer bekannten Publikation zu Bildverarbeitung/Computer Vision/etc...).
Die gewünschte Ausgabe ist entweder ein numerischer Prozentsatz der Änderung; oder eine Visualisierungsmethode.
Die Methodik sollte unempfindlich gegenüber geringfügiger Nachbearbeitung sein, wie z. B. geringfügigem Randbeschneiden, Größenänderung und Speichern mit einem anderen Komprimierungsverhältnis, das geringfügige Verluste verursacht.
Wenn ja, gibt es öffentlich verfügbare Websites oder Freeware-Programme, die (a) 2 JPGs hochgeladen haben und den "Diff" erzeugen können; (b) Veröffentlichen Sie die genaue Methodik, die sie verwenden, was zu Nr. 1 passt.
Die Computer-Vision-Forschungsgemeinschaft verwendet beim Vergleichen von Bildern häufig das PSNR (Peak Signal to Noise Ratio), um beispielsweise zu beurteilen, wie gut ein bestimmter Komprimierungs- oder Bildrekonstruktionsalgorithmus ist.
Die Wikipedia-Seite beschreibt, wie man es berechnet: http://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio
Es handelt sich um eine mathematische Punktzahl, die auf der numerischen Differenz zwischen Pixelwerten basiert. Es erfordert, dass die beiden Bilder zuerst ausgerichtet werden, eine kleine Fehlausrichtung könnte zu einem schlechten Übereinstimmungsergebnis führen, selbst wenn das Bild ansonsten identisch ist.
Sie könnten Photoshop und Ebenen verwenden, um einen "Unterschied" zwischen ihnen anzuzeigen. Mir ist eine andere Mac-App bekannt, die dies mit Bildern macht: Der Bildbereich von Kaleidoscope klingt nach dem, was Sie wollen.
Was Sie brauchen, ist ein Bildähnlichkeitsmaß.
Dieses Papier befasst sich damit, aber Sie müssen es selbst implementieren. Ich weiß nicht, ob ihre Ergebnisse korrekt sind, da ich die verwendeten Bilder nicht sehen kann.
Dieses Hinter-Paywall-Papier befasst sich auch damit, indem ich eine Technik verwende, die ich zuvor verwendet habe und die als NCD (Normalized Compression Distance) bezeichnet wird. Die Ausgabe einer solchen Messung ist ein Wert zwischen 0 und 1, wobei 0 anzeigt, dass beide Bilder identisch sind (ok, ich habe nie gesehen, dass es 0 ist, selbst für identische Dateien, aber Werte sehr nahe an 0).
Was ist mit der Berechnung der Korrelation der Bilder? Dies ist eine bewährte Methode, um die Unterschiede zwischen Bildern zu finden, und Sie erhalten eine nützliche Zahl, mit der Sie den Unterschied quantifizieren können.
Ich bin mir sicher, dass es viele kostenlose Programme gibt, die Korrelationen durchführen können.
Benutzer28116
Philipp Kendall
DVK
Marcin Wolny
JenSCDC
DVK
DVK
Benutzer28116
Philipp Kendall
DVK
Philipp Kendall
Russell McMahon
B Shaw
DVK