我喜欢抽象艺术。它与图书馆外的我内心的东西说话，它用文字而不是文字说话。我最喜欢的艺术家之一是瓦西里·康定斯基。

一个能满足问题要求的他的形象，无论是“文本”还是一个圆圈的翻译，都是他的“圆圈中的圆圈”。弹跳地球动画是原始的，没有纹理，并且没有文本。

此外，现实世界是混乱而复杂的，因此除了明确指定“这必须仅适用于计算机生成的内容”之外，任何可行的方法都必须处理一些现实世界的曲线球。

这是它的副本：

所以使用 MS Paint，我移动了一个圆圈，并以一种与本地文本更改一致的方式对线条进行散列。

这里是：

因此，让我们打开文件，转换为灰度，然后减去它们。

这是一些代码：

import cv2
import numpy as np
from matplotlib import pyplot as plt
from PIL import Image

#read in images
#name of input file
fname1 = './wassily-kandinsky(A).png'
fname2 = './wassily-kandinsky(B).png'

#read the files, convert to grayscale
img1 = Image.open(fname1).convert("L")
img2 = Image.open(fname2).convert("L")

#convert to numpy array for math
arr1 = np.asarray(img1)
arr2 = np.asarray(img2)

#smooth (to remove some of the manual-editing real-world images artifacts)
kernel_width = 11
arr1b = cv2.bilateralFilter(arr1, kernel_width,75,75)
arr2b = cv2.bilateralFilter(arr2, kernel_width,75,75)

#subtract images
arr_diff = np.abs(arr2b-arr1b)


#show them
plt.imshow(arr1, cmap='gray')
plt.savefig("figure1.png", dpi=300)
plt.show()

plt.imshow(arr2, cmap='gray')
plt.savefig("figure2.png", dpi=300)
plt.show()

plt.imshow(arr_diff, cmap='gray')
plt.savefig("figure_diff.png", dpi=300)
plt.show()

这给出了稍微不同的初始图像，并允许一个不错的差异图像。

新（平滑、灰度）“未更改”图像：

新的（平滑的、灰度的）“改变的”图像：

两者的区别：

这是“信号区域”的放大图：

接下来的步骤（当我有时间时做）：

• 清理圆形信号，显示边缘直方图如何清楚地给出位置
• 阻止来自不同图像的位置，显示来自同一位置的替代文本的“椒盐”的位置。

您没有提供很多详细信息，但根据您提供的内容，这是一个建议：

• 要检测已更改的内容，您可以用图像 B 减去图像 A，然后您将仅在值已更改的像素上具有不同于零的值。

• 然后，要检测圆圈，您可以应用霍夫变换（https://en.wikipedia.org/wiki/Circle_Hough_Transform）。该算法有很多实现，作为第一种方法，您可以检查 Matlab 或 Python 进行快速测试。

• 发生变化且不是圆圈的东西应该归类为文本。

我一直在做一些研究，看起来答案是块匹配算法：https ://en.wikipedia.org/wiki/Block-matching_algorithm

这些可用于识别已移动的区域，未识别为已移动的区域可标记为脏。

很多年前我做过类似的事情。我将一个网络摄像头指向我的窗口并编写了一个程序，该程序将当前图像显示在一个图像旁边，该图像是当前图像和前一个图像除以二加到中灰色的差值。如果没有任何移动，图像将保持灰色。一旦移动的东西在灰色图像上清晰地显示出来。这是在 486 或早期的 Pentium 上，我怀疑它是否超过 15 fps。

你的情况略有不同。由于您正在谈论屏幕截图，因此不移动的背景应该保持完全相同，而不仅仅是靠近。这意味着您不必担心指示变化的正确阈值。

我做了另一个项目，相机发现了一个点图案，形成了一个校准平面，有点像棋盘校准方法。当点被识别时，网络摄像头可以位于由点所在的纸张定义的 3D 坐标系中的十分之一英寸内。

找到移动的东西比找到改变的东西要困难得多。我会先集中精力找到你的脏区，然后尝试将脏区与你圈子的前后相匹配。是纯色球还是实际的圆圈？

您可以通过跳过每隔一行和每隔一列来加快计算速度。毕竟，您不是在寻找像素大小的区域。当你扫描你的行时，建立一个脏间隔列表（行、开始列、结束列）。然后，您可以在保持最小起始列和最大结束列的行之间匹配间隔。当它不与下一行上下重叠时，您已经找到了您的垂直范围，并且（起始行，最小起始列，结束行，最大起始列）将形成您的边界矩形。在文本区域中，您可能需要进行一些区间合并，或者在定义区间时稍微松散一些。

一个移动的球可能很棘手。它可以是一个肮脏的球，它在哪里，也可以是一个肮脏的球。边界矩形应该是正方形，因此应该很容易找到。但是，如果它稍微移动，您将有两条脏弧条。好消息是边界矩形的形状应该相似。