业务：找出两个表的重复的图片。

图片在表里存的是二进制值，存在大量由于一些特殊情况例如扫描有差异，导致图片存的二进制值不同，但图片其实是一样来的。

所以找出两个表重复相同的图片，不可能只是单纯的比较二进制值相等。

方法：针对这种情况，使用OpenCV直方图算法可以比较两张图片的相似度，测试发现完全相同的图片相似度等于1（表里存的二进制值不相等）

实操：Java引入使用opencv步骤详解

1.引入opencv依赖

<!-- https://mvnrepository.com/artifact/org.openimaj/core -->
<dependency>
	<groupId>org.openpnp</groupId>
	<artifactId>opencv</artifactId>
	<version>4.5.5-1</version>
</dependency>

2.代码Demo

opencv提供了均方差算法（MSE）、结构相似性指数算法（SSIM）、峰值信噪比算法（PSNR）、直方图算法（SSIM-WH），其中使用直方图算法来比较图片相似效果最好。

    public static void main(String[] args) {
        // 加载OpenCV库
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        // 读取两张图像。准备比对的图片
        Mat image1 = Imgcodecs.imread("D:\\work\\testdata\\psc_1716260008343.jpg");
        Mat image2 = Imgcodecs.imread("D:\\work\\testdata\\psc_1716260008345.jpg");

        // 将图片处理成一样大
        Imgproc.resize(image1, image1, image2.size());
        Imgproc.resize(image2, image2, image1.size());

        // 计算均方差（MSE）
        double mse = calculateMSE(image1, image2);
        System.out.println("均方差（MSE）: " + mse);

        // 计算结构相似性指数（SSIM）
        double ssim = calculateSSIM(image1, image2);
        System.out.println("结构相似性指数（SSIM）: " + ssim);

        // 计算峰值信噪比（PSNR）
        double psnr = calculatePSNR(image1, image2);
        System.out.println("峰值信噪比（PSNR）: " + psnr);

        // 计算直方图
        final double similarity = calculateHistogram(image1, image2);
        System.out.println("图片相似度(直方图): " + similarity);

        // 计算归一化交叉相关（NCC）
//        double ncc = calculateNCC(image1, image2);
//        System.out.println("归一化交叉相关（NCC）: " + ncc);
    }

    // 计算均方差（MSE）
    private static double calculateHistogram(Mat image1, Mat image2) {
        // 计算直方图
        Mat hist1 = calculateHistogram(image1);
        Mat hist2 = calculateHistogram(image2);

        // 计算相似度
        final double similarity = Imgproc.compareHist(hist1, hist2, Imgproc.CV_COMP_CORREL);

        // 手动释放内存
//        if (hist1 != null) {
//            hist1.release();
//        }
//        if (hist2 != null) {
//            hist2.release();
//        }

        return similarity;
    }

    // 计算均方差（MSE）
    private static double calculateMSE(Mat image1, Mat image2) {
        Mat diff = new Mat();
        Core.absdiff(image1, image2, diff);
        Mat squaredDiff = new Mat();
        Core.multiply(diff, diff, squaredDiff);
        Scalar mseScalar = Core.mean(squaredDiff);
        return mseScalar.val[0];
    }

    // 计算结构相似性指数（SSIM）
    private static double calculateSSIM(Mat image1, Mat image2) {
        Mat image1Gray = new Mat();
        Mat image2Gray = new Mat();
        Imgproc.cvtColor(image1, image1Gray, Imgproc.COLOR_BGR2GRAY);
        Imgproc.cvtColor(image2, image2Gray, Imgproc.COLOR_BGR2GRAY);
        MatOfFloat ssimMat = new MatOfFloat();
        Imgproc.matchTemplate(image1Gray, image2Gray, ssimMat, Imgproc.CV_COMP_CORREL);
        Scalar ssimScalar = Core.mean(ssimMat);
        return ssimScalar.val[0];
    }

    // 计算峰值信噪比（PSNR）
    private static double calculatePSNR(Mat image1, Mat image2) {
        Mat diff = new Mat();
        Core.absdiff(image1, image2, diff);
        Mat squaredDiff = new Mat();
        Core.multiply(diff, diff, squaredDiff);
        Scalar mseScalar = Core.mean(squaredDiff);
        double mse = mseScalar.val[0];
        double psnr = 10.0 * Math.log10(255.0 * 255.0 / mse);
        return psnr;
    }

    // 计算归一化交叉相关（NCC）
//    private static double calculateNCC(Mat image1, Mat image2) {
//        Mat image1Gray = new Mat();
//        Mat image2Gray = new Mat();
//        Imgproc.cvtColor(image1, image1Gray, Imgproc.COLOR_BGR2GRAY);
//        Imgproc.cvtColor(image2, image2Gray, Imgproc.COLOR_BGR2GRAY);
//        MatOfInt histSize = new MatOfInt(256);
//        MatOfFloat ranges = new MatOfFloat(0, 256);
//        Mat hist1 = new Mat();
//        Mat hist2 = new Mat();
//
//        Core.normalize(hist1, hist1, 0, 1, Core.NORM_MINMAX);
//        Core.normalize(hist2, hist2, 0, 1, Core.NORM_MINMAX);
//        double ncc = Core.compareHist(hist1, hist2, Imgproc.CV_COMP_CORREL);
//        return ncc;
//    }

    private static Mat calculateHistogram(Mat image) {
        Mat hist = new Mat();

        // 设置直方图参数
        MatOfInt histSize = new MatOfInt(256);
        MatOfFloat ranges = new MatOfFloat(0, 256);
        MatOfInt channels = new MatOfInt(0);
        List<Mat> images = new ArrayList<>();
        images.add(image);

        // 计算直方图
        Imgproc.calcHist(images, channels, new Mat(), hist, histSize, ranges);

        return hist;
    }

3.运行遇到的报错问题以及解决方法

Exception in thread "main" java.lang.UnsatisfiedLinkError: no opencv_java455 in java.library.path

报错原因：

在JDK bin 目录下找不到 opencv_java455.dll 文件

解决方法：

官网下载地址：Releases - OpenCV

找到对应的版本下载opencv（如果下载不起很慢，可以复制链接用迅雷下载）

双击打开安装包选择安装提取目录

等待解压

在目录找到dll文件

然后复制到jdk bin目录中

再重新运行程序即可解决

4.运行

均方差算法（MSE）：

计算两幅图片每个像素之间的差异，并计算它们的平均值。MSE值越小，表示两幅图片越相似。

结构相似性指数（SSIM）：

通过比较两幅图片的亮度、对比度和结构信息来评估它们的相似性。值越大，越相似。

峰值信噪比（PSNR）：

通过计算两幅图片的MSE值，并将其转换为对数尺度，来评估它们的相似性。PSNR值越大，表示两幅图片越相似。

图片相似度(直方图)：

通过将SSIM指数和直方图相似性组合起来，来评估两幅图片的相似性。返回的相似性度量值越接近1，表示两幅图像越相似。

5.结合业务实现代码片段

注：务必手动释放Mat内存，亲测不写手动释放内存，随着循环量越多，创建Mat越多，就会导致内存崩溃泄露（按理说Java有回收机制，但我经过测试发现并没有触发回收内存，即使是没用的Mat）

byte[] ecf2Image = bsImage.getImage();
byte[] upsImage = upsPage.getScanPage();
// 1.先直接对比ecf2和ups图片的二进制值
if (Arrays.equals(ecf2Image, upsImage)) {
    // 二进制值相等则给ecf2图片状态更新为重复的
    updateAndRecord(shipmentNo, filename, upsPage, 1);
    // 然后跳出scanPageList的循环，已经确认为重复就不用再去匹配
    break;
}

// 2.byte值不等，再用OpenCV来比较
// 将图片二进制数据转换为Mat对象
Mat image1 = Imgcodecs.imdecode(new MatOfByte(ecf2Image), Imgcodecs.IMREAD_COLOR);
Mat image2 = Imgcodecs.imdecode(new MatOfByte(upsImage), Imgcodecs.IMREAD_COLOR);
try {
    // 将图片处理成一样大
    Imgproc.resize(image1, image1, image2.size());
    Imgproc.resize(image2, image2, image1.size());
    // 计算直方图
    final double similarity = calculateHistogram(image1, image2);
    if (similarity == 1) {
        // 更新状态为重复的
        updateAndRecord(shipmentNo, filename, upsPage, 2);
        break;
    }
} catch (Exception e) {
    e.printStackTrace();
} finally {
    // 手动释放内存
    if (image1 != null) {
        image1.release();
    }
    if (image2 != null) {
        image2.release();
    }
}