色彩直方圖指紋與變化偵測

image_dedup 以感知 aHash / dHash 做指紋——那是*空間性*的 64 位元雜湊,對顏色與主題變化很脆弱——而 color_stats 只回傳單一平均 / 主要顏色。正規化的色彩*直方圖*是判斷「這是不是同一個畫面、調色盤是否改變」的標準 耐光照、耐縮放訊號:主題切換、內容重載、旋轉的橫幅——這些雜湊與單一主色都捕捉不到。

每個函式都在可注入的影像(ndarray / 路徑 / PIL,RGB)上執行,因此可對合成陣列做無頭測試。cv2.calcHist / cv2.compareHist 屬於 OpenCV 核心;OpenCV + NumPy 透過 je_open_cv 引入。不匯入 PySide6。

無頭 API

from je_auto_control import (image_histogram, compare_histograms,
                             histogram_changed)

baseline = image_histogram("golden.png")          # 3 * bins 個浮點數(HSV)
if histogram_changed("golden.png"):               # current = 實際螢幕
    print("the view changed")

score = compare_histograms(baseline, image_histogram())   # 1.0 == 完全相同

image_histogram 回傳逐通道正規化直方圖的平面清單(space = hsv / rgb / gray;每通道貢獻 bins 個值)。compare_histograms 支援 correlation / chisqr / intersection / bhattacharyya``(correlation / intersection 越高越相似;距離方法越高越不同)。``histogram_changed 比較 reference 與 ``current``(預設為螢幕)並回傳布林值,會依相似 vs 距離方法自動翻轉門檻比較方向。

執行器命令

AC_image_histogram``(``source / bins / space / region → {bins, space, histogram})與 AC_histogram_changed``(``reference / current / method / threshold / space / region → {changed, score})。它們以 MCP 工具 ac_image_histogram / ac_histogram_changed 以及 Script Builder 中 Image 分類下的命令提供。