Vision-diff 基于行特征的图像对比算法
Vision-diff 是一种可实现类似 diff utility效果的图像对比算法. 和基于像素对比不一样的是，算法基于行特征计算和对比，可实现更加清晰和更接近语义的图像对比展示。
Python3.5 or higher
pip install -r requirements.txt- image_diff() 使用3个传入参数，前两个参数是参与对比的两个图像文件的访问路径
- 第三个参数是对比结果图像的输出路径
- 对比图的标记部分会使用红色着色
from image_diff import ImageDiff
img = ImageDiff()
img.increment_diff("1.png", "2.png", "output_img.png")算法的默认配置参数推荐使用移动设备的原始分辨率图像，多数为1080p
"image_diff.py" 有一些默认的高级参数可以根据你的实际使用需求调整:
- "w" 表示滤波器的行数宽度，较高的数值会过滤更多的非连续标记行数
- "padding" 表示处理"图像融合"的图像右边label
- "h_scale" 表示需要屏蔽图像顶部设备状态信息的长度y0和图像宽的比值，这里h_scale=y0/w
- "hash_score" 表示行特征计算匹配分数的阈值
- "pixel_value" 表示标记像素的参考值
Vision-diff的计算时间是O(ND)的，为了获得更好的性能和效果的平衡，你可以在进行对比之前进行图像结构相似分数计算
from image_similar import HashSimilar
score = HashSimilar.get_similar("1.png", "2.png")score 有3个值，一般建议值为0.8的时候进行Vision-diff计算
- 1.0: 图像内容和分布一样
- 0.8: 图像内容和分布部分不一样
- 0.2: 图像不是来自同一页面
传统的基于Pixel by Pixel的像素值对比可以标记图像在同一位置的内容不同
如果图像B的内容做了一点平移，像素对比会从内容平移的位置进行标记，不能实现我们对相同内容保持一致的需求
Vision diff 可以更好的处理内容纵向上的分布平移，只标记增量的内容部分
- 有时我们会需要两张来自不同App版本的页面截图进行对比来发现UI上的更新和可能的问题。比如UI兼容性测试，如果 使用传统的基于像素的对比算法，一部分内容的位置平移会标记对比图的基本所有部分
- 使用Vision-diff，图像的对比结果更接近使用者的语义，只需要关注内容真正改变的部分