图像中颜色和纹理的均匀性

Question

我是深度学习领域的新手，在确定两个图像是否具有统一的颜色和纹理时遇到问题。例如，我有一个

主图 -

现在，对于这张图片，我需要确定以下图片是否具有均匀的纹理和颜色分布 -

图片 1 -

图片 2 -

图 3 -

我需要开发一种算法，该算法将使用主图像评估这 3 个图像。该算法应该批准图像 1，因为它的颜色而拒绝图像 2，并且因为颜色和纹理均匀性而拒绝图像 3。

我解决这个问题的方法是直接分析图像以进行纹理检测。我发现局部二进制模式方法在所有纹理识别方法中都很好（但我不确定）。我在 python 中将它的 skimage 实现与 opencv 一起使用，发现该方法有效。

from skimage import feature
import numpy as np
import cv2
import matplotlib.pyplot as plt

class LocalBinaryPatterns:
    def __init__(self, numPoints, radius):
        # store the number of points and radius
        self.numPoints = numPoints
        self.radius = radius

    def describe(self, image, eps=1e-7):
        # compute the Local Binary Pattern representation
        # of the image, and then use the LBP representation
        # to build the histogram of patterns
        lbp = feature.local_binary_pattern(image, self.numPoints,
            self.radius, method="uniform")
        (hist, _) = np.histogram(lbp.ravel(),
            bins=np.arange(0, self.numPoints + 3),
            range=(0, self.numPoints + 2))

        # normalize the histogram
        hist = hist.astype("float")
        hist /= (hist.sum() + eps)

        # return the histogram of Local Binary Patterns
        return hist


desc = LocalBinaryPatterns(24, 8)

image = cv2.imread("main.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
hist = desc.describe(gray)

plt.plot(hist,'b-')
plt.ylabel('Feature Vectors')
plt.show()

它检测特征并制作特征向量的直方图。我使用 matplotlib 绘制了直方图，并清楚地发现图像 1 和图像 2 的纹理特征与主图像几乎相似。并且图像 3 纹理特征不匹配。

然后我开始分析图像的颜色。我使用 opencv 绘制了颜色直方图 -

import cv2
from matplotlib import pyplot as plt

def draw_image_histogram(image, channels, color='k'):
    hist = cv2.calcHist([image], channels, None, [256], [0, 256])
    plt.plot(hist, color=color)
    plt.xlim([0, 256])

def show_color_histogram(image):
    for i, col in enumerate(['b', 'g', 'r']):
        draw_image_histogram(image, [i], color=col)
    plt.show()

show_color_histogram(cv2.imread("test1.jpg"))

我发现图像 1 的颜色直方图与主图像匹配。并且图像 2 和 3 的颜色直方图不匹配。通过这种方式，我发现图像 1 匹配，而图像 2 和 3 不匹配。

但是，我这是一种非常简单的方法，我不知道它会匹配的误报。此外，我不知道解决问题的方法是最好的。

我还希望这可以通过像 CNN 这样的单一且强大的算法来完成（但计算成本不应该太高）。但我没有使用 CNN 的经验。那么我应该用主图像训练 CNN 吗？请指出我正确的方向。我也遇到了LBCNN，他们能解决问题吗？还有什么其他更好的方法。

非常感谢您的帮助

Answer 1

CNN 擅长捕捉数据集的基本特征和分布。但是他们需要大量（数十万个示例）来学习和提取这些特征，这是一项非常昂贵的任务。同样对于高分辨率图像，它需要更多的参数来提取这些特征，这进一步需要更多的数据。

如果你有大数据集，你可以选择 CNN，它可以捕获微小的信息，比如这些精细的纹理。否则，这些经典方法（您已经执行过的方法）也很有效。

还有一种叫做transfer-learning的方法，我们使用预训练模型（在类似的数据集上训练）并在small data-set上对其进行微调。如果你能找到任何这样的模型，那可能是另一种选择。