我有一个BufferedImage image1和BufferedImage image2，我想知道它们是否相等。
image1是事先制作的，并存储到图像文件中，我在其中使用ImageIO进行转换。但是，image2是在现场制作的，因此可以保证它们具有不同的尺寸。我所知道的是image2将等于9个不同image1之一。
因此，我要检查它们是否是同一幅图像，但是由于它们的大小不同而忽略了边缘上的所有白色像素，因此，如果我比较所有像素，无论如何它们都将是不同的。如果您想知道为什么边缘上有白色，则图像为数字，因此剩余空间将为白色。
[如果要使其更简单，则实际图像的颜色将始终为黑色，但是如果您将其作为通用解决方案（意味着考虑所有颜色），我希望它更好，以便以后可以使用这些概念。
private boolean equals(BufferedImage image1, BufferedImage image2) {
// This is what I want to fill out.
}
[我首先尝试做的是找到image1的第一个非白色像素和image2的第一个非白色像素，然后检查之后的行，看一切是否相等。但是，图像非常大，并且此方法所花费的时间超过O（n ^ 2）。我需要更快的方法。
我首先尝试做的是找到image1的第一个非白色像素，然后找到image2的第一个非白色像素，然后检查之后的行，看一切是否相等。但是，图像非常大，并且此方法所花费的时间超过O（n ^ 2）。我需要更快的方法。
大多数可能没有使用这种方法的非常快的方法。您可以使用边缘检测，但是用于边缘检测的算法也并不是真的更快。
我将尝试使用每个图像（数字）的边界框。
如果可以保存image1的数字大小，这是可行的方法。只需将图像缩小到数字的实际大小，然后将该图像保存到磁盘即可。然后，您也可以将image2缩小到其边界框，并且比较非常简单快捷。
如果不选择缩小，则边界框的计算是一个选项。遍历图像阵列并检测两个图像中最顶部和最左侧的像素。然后，您至少会获得顶部和左侧的边界边缘，这是比较图像所需的全部。 （如果图像大小可能不同，则需要整个边框）
顺便说一下，您不需要在O（n ^ 2）中运行。如果在两个图像中都检测到最顶部或最左侧的像素，则可以设置一个偏移量。您只需要查找差异即可声明这些数字不同。您可以使用逻辑来确定它必须基于简单测试得出的数字。例如，取数字一（1）和零（0）。零在中间有白色像素，而一个必须在中间有黑色像素，反之亦然。因此，检测数字绝对为黑色或白色的区域可以通过测试多达9个区域来帮助您估计图像中的数字。