使用 OpenCV 和 Python 比较图像的相似性

Question

我正在尝试将一张图片与其他图片列表进行比较，并返回该列表中相似度高达 70% 的图片选择（如 Google 搜索图片）。

我在this post 中获取此代码并根据我的上下文进行更改

# Load the images
img =cv2.imread(MEDIA_ROOT + "/uploads/imagerecognize/armchair.jpg")

# Convert them to grayscale
imgg =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# SURF extraction
surf = cv2.FeatureDetector_create("SURF")
surfDescriptorExtractor = cv2.DescriptorExtractor_create("SURF")
kp = surf.detect(imgg)
kp, descritors = surfDescriptorExtractor.compute(imgg,kp)

# Setting up samples and responses for kNN
samples = np.array(descritors)
responses = np.arange(len(kp),dtype = np.float32)

# kNN training
knn = cv2.KNearest()
knn.train(samples,responses)

modelImages = [MEDIA_ROOT + "/uploads/imagerecognize/1.jpg", MEDIA_ROOT + "/uploads/imagerecognize/2.jpg", MEDIA_ROOT + "/uploads/imagerecognize/3.jpg"]

for modelImage in modelImages:

    # Now loading a template image and searching for similar keypoints
    template = cv2.imread(modelImage)
    templateg= cv2.cvtColor(template,cv2.COLOR_BGR2GRAY)
    keys = surf.detect(templateg)

    keys,desc = surfDescriptorExtractor.compute(templateg, keys)

    for h,des in enumerate(desc):
        des = np.array(des,np.float32).reshape((1,128))

        retval, results, neigh_resp, dists = knn.find_nearest(des,1)
        res,dist =  int(results[0][0]),dists[0][0]


        if dist<0.1: # draw matched keypoints in red color
            color = (0,0,255)

        else:  # draw unmatched in blue color
            #print dist
            color = (255,0,0)

        #Draw matched key points on original image
        x,y = kp[res].pt
        center = (int(x),int(y))
        cv2.circle(img,center,2,color,-1)

        #Draw matched key points on template image
        x,y = keys[h].pt
        center = (int(x),int(y))
        cv2.circle(template,center,2,color,-1)



    cv2.imshow('img',img)
    cv2.imshow('tm',template)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

我的问题是，如何将图像与图像列表进行比较并仅获得相似的图像？有什么方法可以做到吗？

Answer 1

我建议您查看图像之间的推土机距离 (EMD)。 该指标让人感觉将标准化灰度图像转换为另一个灰度图像有多难，但可以推广到彩色图像。可以在以下论文中找到对该方法的非常好的分析：

robotics.stanford.edu/~rubner/papers/rubnerIjcv00.pdf

它既可以在整个图像上完成，也可以在直方图上完成（这确实比整个图像方法更快）。我不确定哪种方法可以进行完整的图像比较，但对于直方图比较，您可以使用 cv.CalcEMD2 函数。

唯一的问题是这个方法没有定义相似度的百分比，而是一个你可以过滤的距离。

我知道这不是一个完整的工作算法，但仍然是它的基础，所以我希望它有所帮助。

编辑：

这是对 EMD 原则上如何工作的恶搞。主要思想是有两个归一化矩阵（两个灰度图像除以它们的总和），并定义一个通量矩阵，描述如何将灰度从一个像素移动到另一个像素以获得第二个图像（甚至可以定义对于非标准化的，但更困难）。

在数学术语中，流矩阵实际上是一个四维张量，它给出了从旧图像的点 (i,j) 到新图像的点 (k,l) 的流，但是如果您将图像展平，您可以将其转换为普通矩阵，只是更难阅读。

这个流矩阵有三个约束：每一项都应该是正数，每行之和应该返回相同的目标像素值，每列之和应该返回起始像素的值。

鉴于此，您必须最小化转换成本，该成本由 (i,j) 到 (k,l) 的每个流的乘积之和对于 (i,j) 和 (k, l)。

文字看起来有点复杂，下面是测试代码。逻辑是正确的，我不确定为什么 scipy 求解器会抱怨它（你应该看看 openOpt 或类似的东西）：

#original data, two 2x2 images, normalized
x = rand(2,2)
x/=sum(x)
y = rand(2,2)
y/=sum(y)

#initial guess of the flux matrix
# just the product of the image x as row for the image y as column
#This is a working flux, but is not an optimal one
F = (y.flatten()*x.flatten().reshape((y.size,-1))).flatten()

#distance matrix, based on euclidean distance
row_x,col_x = meshgrid(range(x.shape[0]),range(x.shape[1]))
row_y,col_y = meshgrid(range(y.shape[0]),range(y.shape[1]))
rows = ((row_x.flatten().reshape((row_x.size,-1)) - row_y.flatten().reshape((-1,row_x.size)))**2)
cols = ((col_x.flatten().reshape((row_x.size,-1)) - col_y.flatten().reshape((-1,row_x.size)))**2)
D = np.sqrt(rows+cols)

D = D.flatten()
x = x.flatten()
y = y.flatten()
#COST=sum(F*D)

#cost function
fun = lambda F: sum(F*D)
jac = lambda F: D
#array of constraint
#the constraint of sum one is implicit given the later constraints
cons  = []
#each row and columns should sum to the value of the start and destination array
cons += [ {'type': 'eq', 'fun': lambda F:  sum(F.reshape((x.size,y.size))[i,:])-x[i]}     for i in range(x.size) ]
cons += [ {'type': 'eq', 'fun': lambda F:  sum(F.reshape((x.size,y.size))[:,i])-y[i]} for i in range(y.size) ]
#the values of F should be positive
bnds = (0, None)*F.size

from scipy.optimize import minimize
res = minimize(fun=fun, x0=F, method='SLSQP', jac=jac, bounds=bnds, constraints=cons)

变量 res 包含最小化的结果......但正如我所说，我不确定它为什么抱怨奇异矩阵。

这个算法唯一的问题是速度不是很快，所以不可能按需做，但你必须耐心地在创建数据集时执行它并将结果存储在某个地方

Answer 2

您正在着手处理一个大问题，称为“基于内容的图像检索”或 CBIR。这是一个庞大而活跃的领域。尽管有很多技术都取得了不同程度的成功，但目前还没有完成的算法或标准方法。

即使是 Google 图片搜索（目前）还没有这样做 - 他们进行基于文本的图片搜索 - 例如，在页面中搜索与您搜索的文本类似的文本。 （而且我确信他们正在使用 CBIR；它是许多图像处理研究人员的圣杯）

如果您的截止日期很紧，或者需要尽快完成这项工作......哎呀。

这里有大量关于该主题的论文：

http://scholar.google.com/scholar?q=content+based+image+retrieval

通常你需要做几件事：

1. 提取特征（在本地兴趣点，或全局，或以某种方式，SIFT、SURF、直方图等）
2. 集群/构建图像分布模型

这可能涉及feature descriptors、image gists、multiple instance learning。等等

Answer 3

我可能在 2 年前使用 Python/Cython 编写了一个程序来做一些非常相似的事情。后来我将其重写为 Go 以获得更好的性能。基本思想来自findimagedupesIIRC。

它基本上为每个图像计算一个“指纹”，然后比较这些指纹以匹配相似的图像。

通过将图像大小调整为 160x160、将其转换为灰度、添加一些模糊、对其进行标准化，然后将其调整为 16x16 单色来生成指纹。最后你有 256 位的输出：那是你的指纹。使用convert 很容易做到这一点：

convert path[0] -sample 160x160! -modulate 100,0 -blur 3x99 \
    -normalize -equalize -sample 16x16 -threshold 50% -monochrome mono:-

（path[0] 中的[0] 仅用于提取动画 GIF 的第一帧；如果您对此类图像不感兴趣，可以将其删除。）

将此应用于 2 张图像后，您将拥有 2 个（256 位）指纹，fp1 和 fp2。

然后通过对这两个值进行异或运算并对设置为 1 的位进行计数来计算这两个图像的相似度得分。要进行此位计数，您可以使用来自this answer 的bitsoncount() 函数：

# fp1 and fp2 are stored as lists of 8 (32-bit) integers
score = 0
for n in range(8):
    score += bitsoncount(fp1[n] ^ fp2[n])

score 将是一个介于 0 和 256 之间的数字，表示您的图像有多相似。在我的应用程序中，我将其除以 2.56（归一化为 0-100），我发现归一化分数为 20 或更低的图像通常是相同的。

如果您想实现此方法并使用它来比较大量图像，我强烈建议您尽可能使用 Cython（或只是普通 C）：XORing 和位计数非常慢使用纯 Python 整数。

非常抱歉，我再也找不到我的 Python 代码了。现在我只有一个 Go 版本，但恐怕我不能在这里发布（紧密集成在其他一些代码中，可能有点难看，因为它是我在 Go 中的第一个严肃程序......）。

GQView/Geeqie 中还有一个非常好的“相似查找”功能；它的来源是here。

Answer 4

要在 Python 中更简单地实现 Earth Mover 距离（又名 Wasserstein 距离），您可以使用 Scipy：

from keras.preprocessing.image import load_img, img_to_array
from scipy.stats import wasserstein_distance
import numpy as np

def get_histogram(img):
  '''
  Get the histogram of an image. For an 8-bit, grayscale image, the
  histogram will be a 256 unit vector in which the nth value indicates
  the percent of the pixels in the image with the given darkness level.
  The histogram's values sum to 1.
  '''
  h, w = img.shape[:2]
  hist = [0.0] * 256
  for i in range(h):
    for j in range(w):
      hist[img[i, j]] += 1
  return np.array(hist) / (h * w)

a = img_to_array(load_img('a.jpg', grayscale=True))
b = img_to_array(load_img('b.jpg', grayscale=True))
a_hist = get_histogram(a)
b_hist = get_histogram(b)
dist = wasserstein_distance(a_hist, b_hist)
print(dist)