當然了,圖像識別這個話題作爲計算機科學的一個分支,不可能就在本文簡單幾句就說清,所以本文只作基本算法的科普向。
看到一篇博客是介紹這個,但他用的是PIL中的Image實現的,感覺比較麻煩,於是利用Opencv庫進行了更簡潔化的實現。
相關背景
要識別兩張相似圖像,我們從感性上來談是怎麼樣的一個過程?首先我們會區分這兩張相片的類型,例如是風景照,還是人物照。風景照中,是沙漠還是海洋,人物照中,兩個人是不是都是國字臉,還是瓜子臉(還是倒瓜子臉……哈哈……)。
那麼從機器的角度來說也是這樣的,先識別圖像的特徵,然後再相比。
很顯然,在沒有經過訓練的計算機(即建立模型),那麼計算機很難區分什麼是海洋,什麼是沙漠。但是計算機很容易識別到圖像的像素值。
因此,在圖像識別中,顏色特徵
是最爲常用的。(其餘常用的特徵還有紋理特徵
、形狀特徵
和空間關係特徵
等)
其中又分爲
-
直方圖
-
顏色集
-
顏色矩
-
聚合向量
-
相關圖
直方圖計算法
這裏先用直方圖進行簡單講述。
先借用一下戀花蝶
的圖片,
從肉眼來看,這兩張圖片大概也有八成是相似的了。
在python中利用opencv中的calcHist()方法獲取其直方圖數據,返回的結果是一個列表,使用matplotlib,畫出了這兩張圖的直方圖數據圖
如下:
是的,我們可以明顯的發現,兩張圖片的直方圖還是比較重合的。所以利用直方圖判斷兩張圖片的是否相似的方法就是,計算其直方圖的重合程度即可。
計算方法如下:
其中gi和si是分別指兩條曲線的第i個點。
最後計算得出的結果就是就是其相似程度。
不過,這種方法有一個明顯的弱點,就是他是按照顏色的全局分佈來看的,無法描述顏色的局部分佈和色彩所處的位置。
也就是假如一張圖片以藍色爲主,內容是一片藍天,而另外一張圖片也是藍色爲主,但是內容卻是妹子穿了藍色裙子,那麼這個算法也很可能認爲這兩張圖片的相似的。
緩解這個弱點有一個方法就是利用Image
的crop
方法把圖片等分,然後再分別計算其相似度,最後綜合考慮。
圖像指紋與漢明距離
在介紹下面其他判別相似度的方法前,先補充一些概念。第一個就是圖像指紋
圖像指紋和人的指紋一樣,是身份的象徵,而圖像指紋簡單點來講,就是將圖像按照一定的哈希算法,經過運算後得出的一組二進制數字。
說到這裏,就可以順帶引出漢明距離的概念了。
假如一組二進制數據爲101
,另外一組爲111
,那麼顯然把第一組的第二位數據0
改成1
就可以變成第二組數據111
,所以兩組數據的漢明距離就爲1
簡單點說,漢明距離就是一組二進制數據變成另一組數據所需的步驟數,顯然,這個數值可以衡量兩張圖片的差異,漢明距離越小,則代表相似度越高。漢明距離爲0,即代表兩張圖片完全一樣。
如何計算得到漢明距離,請看下面三種哈希算法
平均哈希法(aHash)
此算法是基於比較灰度圖每個像素與平均值來實現的
一般步驟
-
1.縮放圖片,一般大小爲8*8,64個像素值。
-
2.轉化爲灰度圖
-
3.計算平均值:計算進行灰度處理後圖片的所有像素點的平均值,直接用numpy中的mean()計算即可。
-
4.比較像素灰度值:遍歷灰度圖片每一個像素,如果大於平均值記錄爲1,否則爲0.
-
5.得到信息指紋:組合64個bit位,順序隨意保持一致性。
最後比對兩張圖片的指紋,獲得漢明距離即可。
感知哈希算法(pHash)
平均哈希算法過於嚴格,不夠精確,更適合搜索縮略圖,爲了獲得更精確的結果可以選擇感知哈希算法,它採用的是DCT(離散餘弦變換)來降低頻率的方法
一般步驟:
-
縮小圖片:
32 * 32
是一個較好的大小,這樣方便DCT計算 -
轉化爲灰度圖
-
計算DCT:利用Opencv中提供的dct()方法,注意輸入的圖像必須是32位浮點型,所以先利用numpy中的float32進行轉換
-
縮小DCT:DCT計算後的矩陣是
32 * 32
,保留左上角的8 * 8
,這些代表的圖片的最低頻率 -
計算平均值:計算縮小DCT後的所有像素點的平均值。
-
進一步減小DCT:大於平均值記錄爲1,反之記錄爲0.
-
得到信息指紋:組合64個信息位,順序隨意保持一致性。
最後比對兩張圖片的指紋,獲得漢明距離即可。
dHash算法
相比pHash,dHash的速度要快的多,相比aHash,dHash在效率幾乎相同的情況下的效果要更好,它是基於漸變實現的。
步驟:
-
縮小圖片:收縮到9*8的大小,以便它有72的像素點
-
轉化爲灰度圖
-
計算差異值:dHash算法工作在相鄰像素之間,這樣每行9個像素之間產生了8個不同的差異,一共8行,則產生了64個差異值
-
獲得指紋:如果左邊的像素比右邊的更亮,則記錄爲1,否則爲0.
最後比對兩張圖片的指紋,獲得漢明距離即可。
# -*- coding: utf-8 -*-
#feimengjuan
# 利用python實現多種方法來實現圖像識別
import cv2
import numpy as np
from matplotlib import pyplot as plt
# 最簡單的以灰度直方圖作爲相似比較的實現
def classify_gray_hist(image1,image2,size = (256,256)):
# 先計算直方圖
# 幾個參數必須用方括號括起來
# 這裏直接用灰度圖計算直方圖,所以是使用第一個通道,
# 也可以進行通道分離後,得到多個通道的直方圖
# bins 取爲16
image1 = cv2.resize(image1,size)
image2 = cv2.resize(image2,size)
hist1 = cv2.calcHist([image1],[0],None,[256],[0.0,255.0])
hist2 = cv2.calcHist([image2],[0],None,[256],[0.0,255.0])
# 可以比較下直方圖
plt.plot(range(256),hist1,'r')
plt.plot(range(256),hist2,'b')
plt.show()
# 計算直方圖的重合度
degree = 0
for i in range(len(hist1)):
if hist1[i] != hist2[i]:
degree = degree + (1 - abs(hist1[i]-hist2[i])/max(hist1[i],hist2[i]))
else:
degree = degree + 1
degree = degree/len(hist1)
return degree
# 計算單通道的直方圖的相似值
def calculate(image1,image2):
hist1 = cv2.calcHist([image1],[0],None,[256],[0.0,255.0])
hist2 = cv2.calcHist([image2],[0],None,[256],[0.0,255.0])
# 計算直方圖的重合度
degree = 0
for i in range(len(hist1)):
if hist1[i] != hist2[i]:
degree = degree + (1 - abs(hist1[i]-hist2[i])/max(hist1[i],hist2[i]))
else:
degree = degree + 1
degree = degree/len(hist1)
return degree
# 通過得到每個通道的直方圖來計算相似度
def classify_hist_with_split(image1,image2,size = (256,256)):
# 將圖像resize後,分離爲三個通道,再計算每個通道的相似值
image1 = cv2.resize(image1,size)
image2 = cv2.resize(image2,size)
sub_image1 = cv2.split(image1)
sub_image2 = cv2.split(image2)
sub_data = 0
for im1,im2 in zip(sub_image1,sub_image2):
sub_data += calculate(im1,im2)
sub_data = sub_data/3
return sub_data
# 平均哈希算法計算
def classify_aHash(image1,image2):
image1 = cv2.resize(image1,(8,8))
image2 = cv2.resize(image2,(8,8))
gray1 = cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY)
hash1 = getHash(gray1)
hash2 = getHash(gray2)
return Hamming_distance(hash1,hash2)
def classify_pHash(image1,image2):
image1 = cv2.resize(image1,(32,32))
image2 = cv2.resize(image2,(32,32))
gray1 = cv2.cvtColor(image1,cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(image2,cv2.COLOR_BGR2GRAY)
# 將灰度圖轉爲浮點型,再進行dct變換
dct1 = cv2.dct(np.float32(gray1))
dct2 = cv2.dct(np.float32(gray2))
# 取左上角的8*8,這些代表圖片的最低頻率
# 這個操作等價於c++中利用opencv實現的掩碼操作
# 在python中進行掩碼操作,可以直接這樣取出圖像矩陣的某一部分
dct1_roi = dct1[0:8,0:8]
dct2_roi = dct2[0:8,0:8]
hash1 = getHash(dct1_roi)
hash2 = getHash(dct2_roi)
return Hamming_distance(hash1,hash2)
# 輸入灰度圖,返回hash
def getHash(image):
avreage = np.mean(image)
hash = []
for i in range(image.shape[0]):
for j in range(image.shape[1]):
if image[i,j] > avreage:
hash.append(1)
else:
hash.append(0)
return hash
# 計算漢明距離
def Hamming_distance(hash1,hash2):
num = 0
for index in range(len(hash1)):
if hash1[index] != hash2[index]:
num += 1
return num
if __name__ == '__main__':
img1 = cv2.imread('10.jpg')
cv2.imshow('img1',img1)
img2 = cv2.imread('11.jpg')
cv2.imshow('img2',img2)
degree = classify_gray_hist(img1,img2)
#degree = classify_hist_with_split(img1,img2)
#degree = classify_aHash(img1,img2)
#degree = classify_pHash(img1,img2)
print degree
cv2.waitKey(0)