如何将Image对象与C＃.NET进行比较？
我们可以用C＃比较两个Image对象吗？ 例如，检查它们是否相等，或者甚至更好地检查它们的像素有多相似？
如果可能，怎么样？
您可以使用一组名为TestApi的工具，这是一个开源库，可以帮助进行unit testing。 其中一个API称为Visual Verification API ，它完全符合您的需求 – 它可以比较两个图像并告诉您它们是否相等：
// 1. Capture the actual pixels from a given window Snapshot actual = Snapshot.FromRectangle(new Rectangle(0, 0, 100, 100)); // 2. Load the reference/master data from a previously saved file Snapshot expected = Snapshot.FromFile("Expected.png")); // 3. Compare the actual image with the master image // This operation creates a difference image. Any regions which are identical in // the actual and master images appear as black. Areas with significant // differences are shown in other colors. Snapshot difference = actual.CompareTo(expected); // 4. Configure the snapshot verifier - It expects a black image with zero tolerances SnapshotVerifier v = new SnapshotColorVerifier(Color.Black, new ColorDifference()); // 5. Evaluate the difference image if (v.Verify(difference) == VerificationResult.Fail) { // Log failure, and save the diff file for investigation actual.ToFile("Actual.png", ImageFormat.Png); difference.ToFile("Difference.png", ImageFormat.Png); }
最简单的起点是尺寸。 如果维度不相等，您可以将它们声明为false。
如果你需要逐个像素地浏览它们，你需要两个for循环。 这些方面的东西：
Bitmap ImageA... Bitmap ImageB... for ( Int64 x = 0; x < ImageA.Width; x++ ) { for ( Int64 y = 0; y < ImageA.Height; y++ ) { if ( ImageA.GetPixel(x, y) != ImageB.GetPixel(x, y) ) { return false; } } }
它是伪代码（函数存在于C＃中，虽然我现在无法回想起它们）并且非常简单，但是你想要执行基本的像素到像素检查。
但是，请注意，要使该循环工作，图像必须具有相同的尺寸。 如果不是，如果您尝试对较小区域外的像素进行采样，则可能会出现例外情况。 比较像素也不会非常快，因此您可能希望找到另一种方法来首先丢弃可能的重复项。
编辑：我不知道如何在Image上执行此操作，但对于Bitmap来说它非常简单。 没有一种可见的方法可以将Image像素数据从类中取出。 但是看起来Bitmapsinheritance自Images，所以这可能仍然有用。 鉴于Images是Bitmaps和Metafiles的抽象类，它们可能没有简单的内部像素列表。
我今天有同样的问题，我的解决方法是将image1和image2转换为256×256或128×128两者都翻译然后生成一个image3与它们之间的差异，然后扫描image3检查差异并返回差异量，我发现LOWER差异量（％）更多地等于图像，并且它们更可能相等。 这样，即使图像大小不同，也可以识别图像是否相等。 这是代码。
double CompareImages(Bitmap InputImage1, Bitmap InputImage2, int Tollerance) { Bitmap Image1 = new Bitmap(InputImage1, new Size(128, 128)); Bitmap Image2 = new Bitmap(InputImage2, new Size(128, 128)); int Image1Size = Image1.Width * Image1.Height; int Image2Size = Image2.Width * Image2.Height; Bitmap Image3; if (Image1Size > Image2Size) { Image1 = new Bitmap(Image1, Image2.Size); Image3 = new Bitmap(Image2.Width, Image2.Height); } else { Image1 = new Bitmap(Image1, Image2.Size); Image3 = new Bitmap(Image2.Width, Image2.Height); } for (int x = 0; x < Image1.Width; x++) { for (int y = 0; y < Image1.Height; y++) { Color Color1 = Image1.GetPixel(x, y); Color Color2 = Image2.GetPixel(x, y); int r = Color1.R > Color2.R ? Color1.R - Color2.R : Color2.R - Color1.R; int g = Color1.G > Color2.G ? Color1.G - Color2.G : Color2.G - Color1.G; int b = Color1.B > Color2.B ? Color1.B - Color2.B : Color2.B - Color1.B; Image3.SetPixel(x, y, Color.FromArgb(r,g,b)); } } int Difference = 0; for (int x = 0; x < Image1.Width; x++) { for (int y = 0; y < Image1.Height; y++) { Color Color1 = Image3.GetPixel(x, y); int Media = (Color1.R + Color1.G + Color1.B) / 3; if (Media > Tollerance) Difference++; } } double UsedSize = Image1Size > Image2Size ? Image2Size : Image1Size; double result = Difference*100/UsedSize; return Difference*100/UsedSize; }
在这里测试了超过900个图像，它像魅力x）