查找矩形区域中的百分比变化

这个程序的目标是查找矩形区域中的像素点的百分比变化。程序接收两幅输入图像，包含同样大小的矩形区域。程序的输出是百分比的变化值。

程序运行方式

该程序读取两幅图像并对其进行处理，以计算矩形区域中像素点的变化百分比。程序应该具有以下三个参数：

1. 第一幅图像的路径
2. 第二幅图像的路径
3. 矩形区域的位置和大小

以 Python 为例，程序代码如下：

import numpy as np
import cv2

image1 = cv2.imread("path/to/image1")
image2 = cv2.imread("path/to/image2")

# 确定矩形区域的位置和大小
x, y, w, h = ...

# 获取 ROI 区域
roi1 = image1[y:y+h, x:x+w]
roi2 = image2[y:y+h, x:x+w]

# 将 ROI 区域转换为灰度图像
gray1 = cv2.cvtColor(roi1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(roi2, cv2.COLOR_BGR2GRAY)

# 使用高斯滤波器平滑图像
gray1 = cv2.GaussianBlur(gray1, (21, 21), 0)
gray2 = cv2.GaussianBlur(gray2, (21, 21), 0)

# 计算两幅图像的差异
diff = cv2.absdiff(gray1, gray2)

# 将图像转换为二值图像
_, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)

# 计算像素点在 ROI 区域内的比例
roi_pixels = w * h
changed_pixels = cv2.countNonZero(thresh)
percentage_changed = (changed_pixels / roi_pixels) * 100

print("Percentage changed: {:.2f}%".format(percentage_changed))

程序说明

1. 首先读取输入图像并确定矩形区域的位置和大小。
2. 获取 ROI 区域，并将其转换为灰度图像。
3. 使用高斯滤波器对灰度图像进行平滑处理。
4. 计算两幅图像的差异，并将其转换为二值图像。
5. 计算像素点在 ROI 区域内的比例。
6. 打印百分比变化的结果。

程序运行结果

程序输出的结果是矩形区域中像素点变化的百分比。例如，如果两幅图像在 ROI 区域内有 30% 的像素点的颜色发生了变化，则程序输出 Percentage changed: 30.00%。

注意事项

1. 在计算像素点的比例时，应该使用正确的尺寸。
2. 使用高斯滤波器对图像进行平滑处理，可以减少噪声的影响。在这个程序中，使用了一个 21 x 21 的高斯核对图像进行滤波。
3. 在将图像转换为二值图像时，应该使用合适的阈值来确定像素点的阈值。在这个程序中，使用了 30 作为阈值。
4. 程序可以使用其他的图像处理方法来增加准确率。例如，可以使用 Sobel 边缘检测方法来检测图像中的边界。