用 TensorFlow 1.x 快速找出两幅图的差异 —— 完整实战与逐行解析 -Python程序图片找不同

用 TensorFlow 1.x 快速找出两幅图的差异 ------ 完整实战与逐行解析 -Python程序图片找不同

用 TensorFlow 1.x 快速找出两幅图的差异 ------ 完整实战与逐行解析

适用于仍在使用 TensorFlow 1.15 或无法开启 Eager 的环境（阿里云 PAI-DSW、部分离线服务器等）。

一、背景与痛点

场景：线上 Notebook 里只有 TF 1.x，默认 Graph 模式，.numpy() 不可用。
问题：
1. 两张图片尺寸不一致（本文示例中宽 459 vs 455）导致 InvalidArgumentError: Incompatible shapes。
2. 代码需要同时兼容 静态图 + 任意尺寸输入 + 可视化输出。

本文给出的 40 行脚本一次性解决上述痛点，并逐行拆解思路，方便读者即拷即用，也能二次开发。

二、最终效果

原始图 1	原始图 2	卷积后图 1	差异热力图

三、完整代码（可直接运行）

python 复制代码

import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np

# 1. 显式关闭 Eager（TF1.x 默认 Graph，防止误开）
tf.compat.v1.disable_eager_execution()

# 2. 统一尺寸：可按需修改
TARGET_H, TARGET_W = 512, 512

image_path1 = '1.png'
image_path2 = '2.png'

# 3. 封装读取+resize
def load_and_resize(path, channels=1):
    img = tf.io.read_file(path)
    img = tf.image.decode_png(img, channels=channels)
    img = tf.image.resize(img, [TARGET_H, TARGET_W])   # 关键：保证同尺寸
    img = tf.cast(img, tf.float32) / 255.0           # 归一化
    img = tf.expand_dims(img, 0)                     # [1, H, W, C]
    return img

img1 = load_and_resize(image_path1)
img2 = load_and_resize(image_path2)

# 4. 定义卷积层
conv2d_layer = tf.keras.layers.Conv2D(
    filters=1, kernel_size=3, activation='relu', padding='same'
)

output1 = conv2d_layer(img1)
output2 = conv2d_layer(img2)
diff = tf.abs(output1 - output2)

# 5. 在 Session 中运行
with tf.compat.v1.Session() as sess:
    sess.run(tf.compat.v1.global_variables_initializer())
    img1_np, img2_np, out1_np, diff_np = sess.run([
        tf.squeeze(img1),
        tf.squeeze(img2),
        tf.squeeze(output1),
        tf.squeeze(diff)
    ])

# 6. 可视化
plt.figure(figsize=(10, 5))
plt.subplot(1, 4, 1)
plt.imshow(img1_np, cmap='gray')
plt.title('Image 1')
plt.axis('off')

plt.subplot(1, 4, 2)
plt.imshow(img2_np, cmap='gray')
plt.title('Image 2')
plt.axis('off')

plt.subplot(1, 4, 3)
plt.imshow(out1_np, cmap='gray')
plt.title('Conv2D Image 1')
plt.axis('off')

plt.subplot(1, 4, 4)
plt.imshow(diff_np, cmap='gray')
plt.title('Difference')
plt.axis('off')

plt.tight_layout()
plt.show()

四、逐行拆解与知识点

行号范围	关键代码	作用 & 要点
1--3	`import ...`	TF1.x 仍需手动 `import tensorflow.compat.v1`；Matplotlib 负责可视化。
6	`disable_eager_execution()`	防止某些环境默认开启 Eager，导致 Graph 与 Eager 混用。
9	统一尺寸	避免 `InvalidArgumentError` 的核心：任何输入图都会被拉伸/压缩到 `[512,512]`。
11--12	路径	支持 PNG/JPEG；若有多张图，可改写为循环。
15--25	`load_and_resize`	重点函数 - `tf.image.decode_png` 指定 `channels=1` 直接变灰度 - `tf.image.resize` 支持双线性（默认）或最近邻 - 归一化到 `[0,1]` 可加速收敛、避免梯度爆炸
28--31	卷积层	使用 `tf.keras.layers.Conv2D` 在 Graph 中也能直接建图；`padding='same'` 保证输出尺寸与输入一致。
33	`tf.abs(output1 - output2)`	元素级绝对差，得到差异热力图。
35--40	Session.run	TF1.x 必走流程；变量需先 `global_variables_initializer`。
43--60	可视化	4 张子图并排，方便肉眼比对；`cmap='gray'` 更适合灰度图。

五、常见踩坑 FAQ

RuntimeWarning: divide by zero

归一化时若原图为纯黑（全 0），不会报错，但差异图可能全 0，属正常现象。
颜色通道不一致

若读入 RGB（channels=3），请把 cmap='gray' 改为 cmap=None，或转灰度：tf.image.rgb_to_grayscale。
尺寸缩放导致细节失真

可把 TARGET_H/W 设成两张图的最大高宽，再裁剪居中；或改用 tf.image.resize_with_pad 保持比例。
TF2.x 用户

直接删掉 tf.compat.v1.disable_eager_execution() 与 Session 相关代码，用 .numpy() 即可。

六、延伸玩法

批量比较 ：把路径换成 glob('*.png')，循环输出差异 GIF。
阈值过滤 ：diff_np = (diff_np > 0.1).astype(float) 高亮显著差异。
迁移到部署 ：把 diff 结果再送入二分类网络，做"缺陷检测"。

七、一句话总结

在 TF1.x 静态图 下，只要 提前统一尺寸 + 用 Session 取数 + Matplotlib 可视化 ，就能无痛完成"两图找茬"任务；

若环境允许，直接升级到 TF2.x 会更简洁。希望这篇博客能帮你少踩坑、多产出！

NotoBook在线编辑平台为开发者提供了一站式的云端编程环境，具备以下核心优势：

专业级IDE功能：

支持多种编程语言（Python、R、Java等）的语法高亮和自动补全
内置代码调试器和版本控制工具
支持多文件管理和项目结构导航
提供实时协作编辑功能，支持团队协同开发

强大的计算资源配置：

GPU资源：60小时/月的Tesla V100计算卡使用权
- 适用于深度学习训练、3D渲染等计算密集型任务
- 典型应用场景包括：
  - 图像识别模型训练
  - 自然语言处理任务
  - 科学计算模拟
CPU资源：无限制使用
- 配备Intel Xeon处理器集群
- 适用于常规编程、数据处理等任务
- 支持长时间运行的批处理作业

特色功能：

预装主流数据科学工具包（TensorFlow、PyTorch等）
支持Jupyter Notebook交互式开发
提供数据可视化工具
内置常用数据集和模型库

使用场景：

高校教学与科研
企业原型开发
个人编程学习
算法竞赛准备

平台采用按需分配的资源管理机制，确保用户能够高效利用计算资源完成开发任务。NotoBook在线编辑，为大家提供完备的IDE以及丰富的计算资源

GPU ：60.0小时

CPU ：不限