本文，將帶你了解如何使用 Python、OpenCV 和人臉識別模塊比較兩張圖像并獲得這些圖像之間的準確度水平。

首先，你需要了解我們是如何比較兩個圖像的。我們正在使用Face Recognition python 模塊來獲取兩張圖像的128 個面部編碼，我們將比較這些編碼。比較結果返回 True 或 False。如果結果為True ，那么兩個圖像將是相同的。如果是False，則兩個圖像將不相同。

128 種面部編碼將如下所示

128 個人臉編碼（人臉標志）

僅當比較結果返回 True 值時，才會打印準確度級別。

現在，讓我們進入本主題的編碼部分，

為了實現這一點，我們需要安裝幾個 python 模塊。為此，只需打開命令提示符或終端，鍵入以下內容。

pip install opencv－python

pip install face－recognition

安裝后，現在是時候導入這些模塊了。然后，我們需要創建一個名為 find＿face＿encodings（image＿path） 的新函數，它獲取圖像位置（路徑）并返回 128 個面部編碼，這在比較圖像時非常有用。

find＿face＿encodings（image＿path） 函數將使用 OpenCV 模塊，從我們作為參數傳遞的路徑中讀取圖像，然后返回使用 face＿recognition 模塊中的 face＿encodings（） 函數獲得的 128 個人臉編碼。

import cv2

import face＿recognition

def find＿face＿encodings（image＿path）：

   ＃ reading image

   image ＝ cv2．imread（image＿path）
   

   ＃ get face encodings from the image

   face＿enc ＝ face＿recognition．face＿encodings（image）
   

   ＃ return face encodings

   return face＿enc［0］

現在，使用兩個不同的圖像路徑調用 find＿face＿encodings（image＿path） 函數，并將其存儲在兩個不同的變量中，image＿1和image＿2

＃ getting face encodings for first image

image＿1 ＝ find＿face＿encodings（＂image＿1．jpg＂）

＃ getting face encodings for second image

image＿2  ＝ find＿face＿encodings（＂image＿2．jpg＂）

現在，我們可以使用編碼執行比較和查找這些圖像的準確性等操作。

· 比較將通過使用 face＿recognition 中的 compare＿faces（） 函數來完成。

· 通過找到 100 和 face＿distance 之間的差異來確定準確性。

＃ checking both images are same

is＿same ＝ face＿recognition．compare＿faces（［image＿1］， image＿2）［0］

print（f＂Is Same： ｛is＿same｝＂）

if is＿same：

   ＃ finding the distance level between images

   distance ＝ face＿recognition．face＿distance（［image＿1］， image＿2）

   distance ＝ round（distance［0］ ＊ 100）
   

   ＃ calcuating accuracy level between images

   accuracy ＝ 100 － round（distance）
   

   print（＂The images are same＂）

   print（f＂Accuracy Level： ｛accuracy｝％＂）

else：

   print（＂The images are not same＂）

輸出——案例 1

Is Same： True

The images are same

Accuracy Level： 64％

輸出——案例 2

Is Same： False

The images are not same

       原文標題 : 如何使用 Python比較兩張圖像并獲得準確度？