Как сравнить две картинки?

Question

[Евгений Лубяной]

Есть бумажный документ, который со временем заполняется, его нужно периодически сканировать и отправлять нам.
Необходимо найти предыдущий скан в БД и заменить его на новый.
Формат простой - таблица, первый столбец - ф.и.о. от руки, первая строка - дата и время. все остальное - отметки

Мысли такие: формируем картинку по этой картинке, в которую попадает только та часть которая не меняется - т.е. первые 10 фамилий, заголовок (он от руки на бумаге записывается) и потом ищем копию этой картинки в таблице таких же картинок для других сканов.

При гуглинге нашел перцептивный хеш. Однако не уверен что он достаточно хорошо сможет справиться с задачей.
Собственно подскажите в какую сторону копать что бы найти предыдущую версию скана?
м.б. кто сталкивался с похожей задачей?

Answer 1

[ThunderCat]

Это просто волшебно, то есть есть люди, считающие что если они отсканируют 2 раза 1 лист, то получат 2 совпадающих изображения... Хм, интересно...

Изображения будут сильно разными, вы сканируете лист, потом на нем пишут/пляшут/пьют кофе, снова пихают в сканер, но уже под другим углом, сканируют и сравнивают... Да просто отсканил - вытащил - вложил будет серьезно отличаться. Функция которая будет все это РАСПОЗНАВАТЬ и при этом лопатить все картинки котрые там есть - это явно какой-то аццкий ад.

Неужели не проще каждому документу завести в базе/файле запись с id, именем документа, именем файла, датой и комментариями, и нормально все это хранить???

Comments

[Евгений Лубяной]

вот стал бы я задавать вопрос, считая что оба изображения будут идентичны?

я наприсал код, который вытаскивает из картинки только саму таблицу, определяет и поворачивает изображение до полгой горизонтали (точность 0.1 градуса)

А хранить не получается - получилось бы я бы сюда не писал.
Спасибо!

[ThunderCat]

arswarog: ок, а что не получается хранить??? В чем собсно проблема хранения?

[Евгений Лубяной]

на документах не запишешь их номер, а при пересылке редко кто правильное имя файлу даст

[ThunderCat]

arswarog: есть идейка... как файлы приходят и с какой частотой?
И сколько накопилось? И как сейчас храните?

[Евгений Лубяной]

500-1000 неделю, пока что картиночками в папочках

[ThunderCat]

arswarog: почтой, скайпом, флешкой? От одного адресата или от 1000?

[Евгений Лубяной]

все флешкой. в целом в нормально именнованных папочках, но далеко не всегда. я потом их переименовываю и раскидываю по нужным папочкам

Answer 2

[Виталий]

глянь https://www.npmjs.com/package/jimp
есть метод diff, можно кропать изображения, а вообще бумажка с галочками от руки, это жесть....

Answer 3

[dom1n1k]

Перцептивный хэш точно не годится - он больше пригоден для фотографий и т.п., чем для форм, заполненных закорючками.

Но вообще говоря, постановка задачи непонятна. Нужно сравнить просто по принципу равно/не равно? Или понять что именно изменилось? И почему нельзя искать сканы тупо по имени файла и дате (которую тоже можно включить в имя)?

Comments

[ThunderCat]

John Smith: имхо задача такая: присылают сканы, вводить их лень, искать руками еще ленивее, навести порядок 1 раз не так прикольно как показать миру(или шефу) вундервафлю самописную, которая как скатерть самобранка - пыщ-пыщ и все сделает. Имхо. Или не так дело обстоит, автор тут не уточнил что и нафига.

[Евгений Лубяной]

если не перцептивный хеш, то может еще можно использовать?
определить что это именно та страница, а данных на ней будет или столько же или больше
ThunderCat все как раз так, мне лень вводить и искать их самому, шефу пофиг, лишь бы нужный момент все было под рукой

[ThunderCat]

arswarog: в принципе - желание похвальное, все что можно автоматизировать нужно автоматизировать. Но тут пока возможности современного ии увы не позволяют. Проще навести порядок в системе, а вот как - пока мало данных.

[dom1n1k]

Если сканируемые документы не произвольные, а собственного производства, то можно подумать в сторону того, чтобы где-то с краю листа печатать уникальный штрих-код и по нему распознавать... там хотя бы можно попробовать библиотеки поискать готовые.

[Евгений Лубяной]

идеи есть, в ближайшем времени буду тестировать