Déan comparáid idir íomhánna leis an Vision API
Ar an leathanach seo
Anailís Chomparáideach Amhairc
Is cás úsáide cumhachtach é comparáid íomhánna a úsáideann an cumas il-íomhá a clúdaíodh i gCeacht 6. Aistríonn an cheist ó “Cad atá san íomhá seo?” go “Cad athraigh?”—oibríocht a láimhseálann samhail shéimeantach go bunúsach difriúil ó chomparóir picteilín. Áit a léiríonn difríocht picteilín díbhéirseacht gan í a cháiliú, is féidir leis an tsamhail a rá go ndearna lipéad bogadh dhá mhiliméadar agus go ndeachaigh lógó in éag, agus ansin breithniú cé acu den dá rud atá tábhachtach.
Rialú cáilíochta, rianú éabhlóide, braiteh regrese amhairc: taispeánann an ceacht seo conas leideanna comparáide a struchtúrú agus torthaí a úsáid.
Comparáid Roimh/Ina Dhiaidh
Is é an cás is coitianta ná a fhíorú cad a d’athraigh idir dhá staid. Sainíonn an teachtaireacht córais an modh comparáide, agus aithníonn an teachtaireacht úsáideora na híomhánna:
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": """You are an expert in comparative image analysis. When presented with two images:
1. Briefly describe each image
2. List identified differences (with location)
3. Assess the significance of each difference (minor/major)
4. Provide an overall similarity score (0-100%)"""
},
{
"role": "user",
"content": [
{"type": "text", "text": "BEFORE Image (reference):"},
{"type": "image_url", "image_url": "https://exemple.com/avant.jpg"},
{"type": "text", "text": "AFTER Image (current state):"},
{"type": "image_url", "image_url": "https://exemple.com/apres.jpg"},
{"type": "text", "text": "Identify all differences between these two images."}
]
}
]
)
print(response.choices[0].message.content)
Cuidíonn téacs idirghabhálach (“BEFORE Image”, “AFTER Image”) leis an tsamhail ról gach íomhá a aithint. Is é an tríú céim sa leid córais a dhéanann an tuairisc inghníomhaithe: gan tosaíochtú, faigheann tú liosta ina bhfuil an oiread tábhachta ag athrú scáth agus atá ag páirt in easnamh.
Rialú Cáilíochta Táirge
Ag deireadh an phíblín, caithfidh clár an tuarascáil seo a léamh, ní duine. Dá bhrí sin, comhcheanglaímid comparáid leis an mód JSON ó Cheacht 9: filleann an tsamhail breithiúnas, scór, agus liosta lochtanna cáilithe is féidir le cód a úsáid láithreach.
import base64
import json
def encode_image(path):
with open(path, "rb") as f:
b64 = base64.standard_b64encode(f.read()).decode("utf-8")
return f"data:image/jpeg;base64,{b64}"
def quality_control(reference_image, sample_image):
"""Compares a sample to its reference and detects defects."""
response = client.chat.complete(
model="mistral-large-latest",
response_format={"type": "json_object"},
messages=[
{
"role": "system",
"content": "You are a quality inspector. Compare the sample to the reference and return a JSON report."
},
{
"role": "user",
"content": [
{"type": "text", "text": "Reference (compliant product):"},
{"type": "image_url", "image_url": encode_image(reference_image)},
{"type": "text", "text": "Sample to inspect:"},
{"type": "image_url", "image_url": encode_image(sample_image)},
{
"type": "text",
"text": """Compare and return:
{
"compliant": true/false,
"compliance_score": 0-100,
"defects": [
{"description": "...", "severity": "minor/major/critical", "location": "..."}
],
"recommendation": "accept/review/reject"
}"""
}
]
}
]
)
return json.loads(response.choices[0].message.content)
# Usage
result = quality_control("reference/product-ok.jpg", "batch-42/sample-7.jpg")
if result["compliant"]:
print(f"COMPLIANT - Score: {result['compliance_score']}%")
else:
print(f"NON-COMPLIANT - {len(result['defects'])} defect(s) detected")
for defect in result["defects"]:
print(f" - [{defect['severity']}] {defect['description']}")
Tá an réimse recommendation níos suimiúla ná mar a dealraíonn sé: trí idirdhealú a dhéanamh idir “review” agus “reject”, coimeádann sé idirghabháil dhaonna do chásanna doiléire in ionad í a fhorchur ar gach áit nó ar aon áit.
Éabhlóid a Rianú Thar Am
Déileáiltear le sraith ama—suíomh tógála, fás barr, meath struchtúir—mar chomparáid leathnaithe, ar choinníoll go lipéadaíonn tú gach íomhá lena dáta. Ansin bíonn an ais ama ag an tsamhail agus is féidir léi luas a cháiliú, ní díbearacht amháin.
def analyze_evolution(chronological_images, context=""):
"""Analyzes visible evolution across a series of ordered images."""
content = [
{
"type": "text",
"text": f"Here are {len(chronological_images)} images taken at different times, in chronological order. {context}"
}
]
for i, (date, path) in enumerate(chronological_images):
content.append({"type": "text", "text": f"Image {i+1} ({date}):"})
content.append({"type": "image_url", "image_url": encode_image(path)})
content.append({
"type": "text",
"text": "Describe the evolution observed between each step. Identify major changes and the general trend."
})
response = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": content}]
)
return response.choices[0].message.content
# Construction site tracking
images = [
("2025-01", "site/jan-2025.jpg"),
("2025-06", "site/jun-2025.jpg"),
("2026-01", "site/jan-2026.jpg"),
]
evolution = analyze_evolution(images, context="Tracking a construction site.")
print(evolution)
Cuirtear an cheist dheireanach leis ach amháin tar éis na híomhánna go léir, nuair a leagtar amach an comhad iomlán.
Comhéadain Úsáideora a Chur i gComparáid
Tairgeann forbairt gréasáin cás úsáide láithreach: an mockup formheasta a chur i gcoinne an render a táirgeadh i ndáiríre. Áit a dteipeann ar thástáil regrese picteilín ar aistriú aon phicteilín nach bhfuil tábhacht leis, déanann an tsamhail cáiliú ar thionchar gach difríochta.
def compare_interfaces(expected_screenshot, actual_screenshot):
"""Compares two interface screenshots to detect visual regressions."""
response = client.chat.complete(
model="mistral-large-latest",
response_format={"type": "json_object"},
messages=[
{
"role": "system",
"content": "You are a QA tester specializing in visual testing of web interfaces."
},
{
"role": "user",
"content": [
{"type": "text", "text": "Expected design (mockup):"},
{"type": "image_url", "image_url": encode_image(expected_screenshot)},
{"type": "text", "text": "Current render (screenshot):"},
{"type": "image_url", "image_url": encode_image(actual_screenshot)},
{
"type": "text",
"text": """Compare and return:
{
"pixel_perfect": true/false,
"differences": [
{"element": "...", "expected": "...", "actual": "...", "impact": "minor/moderate/major"}
],
"fidelity_score": 0-100,
"verdict": "compliant/minor_adjustments/regression"
}"""
}
]
}
]
)
return json.loads(response.choices[0].message.content)
Nuair a phlugáiltear é isteach i do phíblín comhtháthaithe leanúnaigh, ní chuireann an seiceáil seo bac ar sheachadadh ach amháin ar bhreithiúnas regression.
Dea-Chleachtais Chomparáide
Roinneann na samplaí seo roinnt prionsabal ar fiú iad a dhéanamh soiléir. Ainmnigh do chuid íomhánna i gcónaí le lipéad idirghabhálach—“Reference”, “Sample”, “Before”, “After”—mar gan é, sannann an tsamhail róil bunaithe ar randamacht ordaithe. Cinntigh inchomparáideacht an ghabhála: ag uillinneacha agus soilsithe éagsúla, cuirfidh an tsamhail difríochtaí in iúl a eascraíonn as coinníollacha grianghrafadóireachta amháin. Úsáid Mistral Large 3, toisc go n-úsáideann comparáid réasúnaíocht mhín-náisiúnta nach mbíonn samhlacha níos lú in ann a mhaistriú i gcónaí. Teorainn tú féin do dhá nó trí íomhá in aghaidh an ghlao; thairis sin, caolaíonn cruinneas comparáideach. Agus iarr formáid struchtúrtha go córasach, le scór, difríochtaí liostaithe, agus breithiúnas, má ní mór an toradh a phróiseáil go huathoibríoch.
Príomhphointí
- Baineann comparáid íomhánna leas as cumas il-íomhá an API
- Cuir téacs míniúcháin idir íomhánna chun a róil a shoiléiriú
- Is idéalach an mód JSON (
response_format) do thuairiscí comparáide uathoibrithe - Príomhchásanna úsáide: rialú cáilíochta, rianú suíomhanna, QA amhairc, roimh/iniaidh
- Úsáid Mistral Large 3 i gcónaí do thascanna comparáide éilimh