python 自动比对目录,并覆盖更新.

Posted 2023-04-23

例:
D盘下面有abc文件夹名
z盘(网络盘)下面也有abc文件夹名
比对Z盘的和D,并把不同的地方.Z盘的覆盖更新到D盘.
注:abc文件夹里面还有子文件夹如果不同,要一起更新.

以前做过一个。不过后来有了fastcopy后，就基本上不用那个工具了。fastcopy可以做文件差异比较复制，而且速度很快。

制作这个程序的思路要用两个函数
os.listdir，做一个[]作为目录的队列（堆栈会速度慢，用队列好些）用来访问子目录
第二个就是os.path里，有一个info获取文件属性的,里面有mdate,cdate等。也可以直接使用函数os.path.getfilesize获得文件属性
os.path.isfile()用来检查文件是否存在 os.path.fileexists好象也成。 参考技术A 其实你可以这样想。思路就对了
你只需要写入遍历程序，将Z盘所有文件的最后更新时间记录下来，存放在库或者文件中。。
当你的程序发现文件更新时间比你记录的时间新时，或者文件不存在于你的记录表中，则直接覆盖D盘下的文件。。这个容易写。。你自己研究下。 参考技术B 遍历，对比，更新 参考技术C 用版本控制工具吧,我用的是git，有GUI界面的哦。搜索一下git。

python opencv图像缺陷比对（轮廓比对）

机器视觉缺陷检测实验

一、实验目的

（1）利用python编写程序实现对图像的缺陷检测；

（2）通过轮廓对比检测出合格产品与不合格产品；

（3）实现在图像上显示文本提示信息；

二、题目描述

（1）读取标准图像并显示；

（2）利用for循环读取待测的对比图像；

（3）将标准图像与一张待测图像进行中值滤波、图像差分、灰度化处理、轮廓提取、最后提取轮廓总数；

（4）将合格产品的轮廓数进行提炼，采用if语句利用轮廓数判断待测图像是否合格；

（5）在合格图像上显示“合格”字样的提示信息，不合格则在相应图像上显示“不合格”。

三、实现过程及运行效果

实验标准图像如下：

图3.1标准图像

实验步骤：

（1）读取标准图像并利用for循环读取待测的对比图像；

（2）将标准图像与一张待测图像进行中值滤波、图像差分、灰度化处理、轮廓提取、最后提取轮廓总数；

代码实例：

import cv2

import numpy as np

from PIL import Image, ImageDraw, ImageFont

minThres = 6

# 读取图像1

img=cv2.imread(\'0.bmp\')#读取标准图像 

cv2.imshow(\'YuanTu\',img)

cv2.waitKey(0)

cv2.destroyAllWindows()

for i in range(1,6):

imgi=cv2.imread(\'{}.bmp\'.format(i))#依次读取待测图像

#中值滤波

img1 = cv2.medianBlur(img,15)

# 图像差分

diff = cv2.absdiff(img1, imgi)

#灰度图

gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)

# 二值化

_,thres = cv2.threshold(gray,minThres,255,cv2.THRESH_BINARY)

# 查找轮廓

contours,hierarchy = cv2.findContours(thres, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)

（3）将合格产品的轮廓数进行提炼，采用if语句利用轮廓数判断待测图像是否合格；

代码实例：

if len(contours)>1000:

print(\'合格\')

else:

Print(‘不合格’)

（4）在合格图像上显示“合格”字样的提示信息，不合格则在相应图像上显示“不合格”。

代码实例：

if len(contours)>1000:

print(\'合格\')

#在图像上显示是否合格

src1 = Image.fromarray(cv2.cvtColor(imgi, cv2.COLOR_BGR2RGB))

font = ImageFont.truetype(\'simsun.ttc\', 30)

# 文字输出位置

position = (5,5)

# 输出内容

str = \'合格\'

draw = ImageDraw.Draw(src1)

draw.text(position, str, font=font, fill=(255, 0, 0))

src1 = cv2.cvtColor(np.asarray(src1), cv2.COLOR_RGB2BGR)

cv2.imshow("CeShi",src1)

cv2.waitKey(0)

else:

print(\'不合格\')

#在图像上显示是否合格

src2 = Image.fromarray(cv2.cvtColor(imgi, cv2.COLOR_BGR2RGB))

font = ImageFont.truetype(\'simsun.ttc\', 30)

# 文字输出位置

position = (5,5)

# 输出内容

str = \'不合格\'

draw = ImageDraw.Draw(src2)

draw.text(position, str, font=font, fill=(255, 0, 0))

src2 = cv2.cvtColor(np.asarray(src2), cv2.COLOR_RGB2BGR)

cv2.imshow("CeShi",src2)

cv2.waitKey(0)

 

图3.4.1检测结果图

图3.4.2检测结果图

 

图3.4.3检测结果图

 

四、问题及解决方法

（1）刚开始自己想的是将两张灰度图利用equals()函数进行比对看能否通过，结果不难想象确实太天真，这错误很低级了，数据类型都没分清楚的；

（2）在网上查找资料一直找不到怎么直接对两张图像进行缺陷检测比对，只有一个差分检测；

（3）有找到一个关于差异检测的相关资料可是发现其中一个SIF算法被申请了专利不能使用；

（4）最后通过仔细研读了一个博主的代码，几次运行测试发现了轮廓数可以作为判断依据来实现我的目的，所以大胆采用了这一方法，成功实现了本次实验。

五、实验总结

本次实验让我感觉机器视觉实验越来越上升了难度，同时发现老师的高科技实验软件太厉害了，简单方便，科技的力量。本次实验花费了我足足一天的时间才勉强完成任务，之后应该还有一次更加困难的挑战，没有撤退可言唯有迎难而上。