这是我想做的:
我定期用网络摄像头拍照。就像时间流逝一样。然而，如果没有什么真正的改变，也就是说，图片看起来几乎相同，我不想存储最新的快照。
我想有某种方法可以量化这种差异，我必须根据经验确定一个阈值。
我追求的是简单而不是完美。 我用的是python。
当前回答
一个简单的解决方案:
将图像编码为jpeg格式，并寻找文件大小的实质性变化。
我曾经用视频缩略图实现过类似的东西，并且取得了很大的成功和可伸缩性。
其他回答
下面是我写的一个函数，它以2个图像(文件路径)作为参数，并返回两个图像“像素”组件之间的平均差值。这对我确定视觉上“相等”的图像(当它们不==相等时)非常有效。
(我发现8个是判断图像本质上是否相同的一个很好的限制。)
(如果不添加预处理，图像必须具有相同的尺寸。)
from PIL import Image
def imagesDifference( imageA, imageB ):
A = list(Image.open(imageA, r'r').convert(r'RGB').getdata())
B = list(Image.open(imageB, r'r').convert(r'RGB').getdata())
if (len(A) != len(B)): return -1
diff = []
for i in range(0, len(A)):
diff += [abs(A[i][0] - B[i][0]), abs(A[i][1] - B[i][1]), abs(A[i][2] - B[i][2])]
return (sum(diff) / len(diff))
两种流行且相对简单的方法是:(a)已经提出的欧几里得距离，或(b)标准化互相关。与简单的互相关相比，归一化互相关对光照变化的影响明显更强。维基百科给出了一个标准化互相关的公式。更复杂的方法也存在，但它们需要更多的工作。
使用numpy-like语法，
dist_euclidean = sqrt(sum((i1 - i2)^2)) / i1.size dist_manhattan = sum(abs(i1 - i2)) / i1.size dist_ncc = sum( (i1 - mean(i1)) * (i2 - mean(i2)) ) / ( (i1.size - 1) * stdev(i1) * stdev(i2) )
假设i1和i2为二维灰度图像阵列。
给出的大多数答案都不涉及照明水平。
在进行比较之前，我首先将图像归一化到标准的光照水平。
一种更有原则的方法是使用全局描述符来比较图像，比如GIST或CENTRIST。这里描述的哈希函数也提供了类似的解决方案。
你可以计算这两个图像的直方图，然后计算Bhattacharyya系数，这是一个非常快速的算法，我已经用它来检测板球视频中的镜头变化(在C中使用openCV)
