如何获得相同维度的两个图像中每个像素的MSE

Question

我有两个尺寸相同的图像。

图像是numpy数组，我正在迭代像素并获取每个像素的r g b ，如下所示：

for i in range(len(img1)):
    for j in range(len(img1[0])):
        pimg1 = img1[i][j]
        pimg2 = img2[i][j]

        r1 = pimg1[0]
        r2 = pimg2[0]
        g1 = pimg1[1]
        g2 = pimg2[1]
        b1 = pimg1[2]
        b2 = pimg2[2]

然后我获得两个像素之间的MSE，如：

mse = math.sqrt(((r1 - r2) ** 2) + ((g1 - g2) ** 2) + ((b1 - b2) ** 2))

问题是这是非常缓慢的。 有没有更有效的方法来做到这一点？

---

最终目标

我希望在两个图像之间制作具有某种“阈值”相似性的所有像素，黑色。 并且所有与img2的像素差异较大的像素。

if mse > threshold:
    new_img[i][j] = pimg2
else:
    new_img[i][j] = [0, 0, 0] # black pixel

背景图

输入图像

---

我正在捕捉像这样的图像：

for frame in cam.camera.capture_continuous(raw, format="rgb", use_video_port=True):
    img = frame.array
    cv2.imwrite("image.png", img)

我得到的图像如下：

dir = 'images/compare/'
bg = cv2.imread(dir+'bg.png')
img = cv2.imread(dir+'in.png')

Answer 1

只需在差异上使用np.linalg.norm -

mse = np.linalg.norm(img1-img2,axis=2)

用np.einsum加快速度 -

d = (img1-img2).astype(float)
mse = np.sqrt(np.einsum('...i,...i->...',d,d))

运行时测试 -

In [46]: np.random.seed(0)
    ...: m,n = 1024,1024
    ...: img1 = np.random.randint(0,255,(m,n,3)).astype(np.uint8)
    ...: img2 = np.random.randint(0,255,(m,n,3)).astype(np.uint8)

In [47]: %timeit np.linalg.norm(img1-img2,axis=2)
10 loops, best of 3: 26.6 ms per loop

In [49]: %%timeit
    ...: d = (img1-img2).astype(float)
    ...: mse = np.sqrt(np.einsum('...i,...i->...',d,d))
100 loops, best of 3: 13 ms per loop

---

要为MSE值小于某个阈值mse_thresh像素创建一个设置为black的输出数组，否则从img2选择，这里是附加代码 -

mask = mse >= mse_thresh
out = np.where(mask[...,None], img2, 0)

将所有内容拼接在一起 - 使用einsum计算平方的MSE值，并与主要改进的平方MSE阈值进行比较，并将输出分配回img2 -

d = (img1-img2).astype(float)
mse = np.einsum('...i,...i->...',d,d)
img2[mse < mse_thresh**2] = 0