Python 图片对比找不同位置坐标

在 Python 中，我们可以使用 OpenCV 和 NumPy 库来实现图片对比，找出不同位置的坐标。以下是一个简单的示例代码：

import cv2
import numpy as np
# 读取两张图片
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')
# 将图片转换为灰度图
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
# 计算两张图片的差异图
diff = cv2.absdiff(gray1, gray2)
# 将差异图二值化，以便于找出不同之处
_, thresh = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)
# 找到不同之处的轮廓
contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 遍历轮廓，找出不同位置的坐标
for contour in contours:
x, y, w, h = cv2.boundingRect(contour)
cv2.rectangle(img1, (x, y), (x+w, y+h), (0, 0, 255), 2)
# 显示结果图片
cv2.imshow('Result', img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

在上述代码中，我们首先使用 OpenCV 的 imread 函数读取两张图片，并将其转换为灰度图。然后，我们使用 absdiff 函数计算两张图片的差异图，并使用 threshold 函数将其二值化。接下来，我们使用 findContours 函数找到不同之处的轮廓，并遍历轮廓，使用 boundingRect 函数找到每个不同位置的边界矩形，并使用 rectangle 函数在原图上画出这些矩形。最后，我们使用 imshow 函数显示结果图片。
需要注意的是，在实际应用中，我们可能需要对输入的图片进行预处理（如缩放、旋转、裁剪等），以使图片对齐或适应特定的场景。此外，对于更复杂的场景（如背景干扰、光照变化等），可能需要采用更高级的方法（如特征提取、机器学习等）来进行图片对比和目标检测。