Алгоритм поиска похожих изображений
Мне нужен алгоритм, который может определить, являются ли два изображения "похожими" и распознает ли они одинаковые образцы цвета, яркости, формы и т. Д. Мне могут понадобиться некоторые указатели относительно того, какие параметры человеческий мозг использует для "категоризации" изображений...
Я смотрел на сопоставление по Хаусдорфу, но это, в основном, для сопоставления преобразованных объектов и шаблонов формы.
16 ответов
Я сделал нечто подобное, разложив изображения на сигнатуры с помощью вейвлет-преобразования.
Мой подход состоял в том, чтобы выбрать наиболее значимые n коэффициентов из каждого преобразованного канала и записать их местоположение. Это было сделано путем сортировки списка (power,location) кортежей по abs(power). Подобные изображения будут иметь сходство в том, что они будут иметь значительные коэффициенты в тех же местах.
Я обнаружил, что лучше всего преобразовать изображение в формат YUV, который эффективно позволяет вам подобрать вес по форме (канал Y) и цвету (каналы UV).
Вы можете найти мою реализацию вышеизложенного в mactorii, над которой, к сожалению, я не работал так много, как следовало бы:-)
Другой метод, который некоторые мои друзья использовали с удивительно хорошими результатами, состоит в том, чтобы просто изменить размер изображения, скажем, до 4x4 пикселя и сохранить свою подпись. То, насколько похожи 2 изображения, можно оценить, скажем, вычисляя манхэттенское расстояние между 2 изображениями, используя соответствующие пиксели. У меня нет подробной информации о том, как они выполняли изменение размера, поэтому вам, возможно, придется поиграть с различными алгоритмами, доступными для этой задачи, чтобы найти подходящий.
pHash может вас заинтересовать.
перцептивный хэш отпечаток аудио, видео или графического файла, который математически основан на аудио или визуальном контенте, содержащемся в нем. В отличие от криптографических хеш-функций, которые полагаются на лавинный эффект небольших изменений входных данных, приводящих к резким изменениям выходных данных, перцептивные хеш-функции "близки" друг к другу, если входные данные визуально или на слух похожи.
Я использовал SIFT для повторного обнаружения одного и того же объекта на разных изображениях. Это действительно мощный, но довольно сложный и может быть излишним. Если предполагается, что изображения очень похожи, некоторые простые параметры, основанные на разнице между этими двумя изображениями, могут вам немного рассказать. Некоторые указатели:
- Нормализуйте изображения, то есть сделайте среднюю яркость обоих изображений одинаковой, рассчитав среднюю яркость обоих изображений и уменьшив яркость в зависимости от соотношения (чтобы избежать ограничения на самом высоком уровне)), особенно если вы больше заинтересованы в форме, чем в цвет.
- Сумма цветовых различий по нормализованному изображению на канал.
- найти края на изображениях и измерить расстояние между краями пикселей на обоих изображениях. (для формы)
- Разделите изображения на наборы отдельных областей и сравните средний цвет каждого региона.
- Порог изображения на один (или набор) уровня (ов) и подсчитать количество пикселей, где результирующие черно-белые изображения отличаются.
Моей лаборатории тоже нужно было решить эту проблему, и мы использовали Tensorflow. Вот полная реализация приложения для визуализации сходства изображений.
Для учебника по векторизации изображений для вычисления сходства, проверьте эту страницу. Вот Python (снова смотрите пост для полного рабочего процесса):
from __future__ import absolute_import, division, print_function
"""
This is a modification of the classify_images.py
script in Tensorflow. The original script produces
string labels for input images (e.g. you input a picture
of a cat and the script returns the string "cat"); this
modification reads in a directory of images and
generates a vector representation of the image using
the penultimate layer of neural network weights.
Usage: python classify_images.py "../image_dir/*.jpg"
"""
# Copyright 2015 The TensorFlow Authors. All Rights Reserved.
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
# http://www.apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
# ==============================================================================
"""Simple image classification with Inception.
Run image classification with Inception trained on ImageNet 2012 Challenge data
set.
This program creates a graph from a saved GraphDef protocol buffer,
and runs inference on an input JPEG image. It outputs human readable
strings of the top 5 predictions along with their probabilities.
Change the --image_file argument to any jpg image to compute a
classification of that image.
Please see the tutorial and website for a detailed description of how
to use this script to perform image recognition.
https://tensorflow.org/tutorials/image_recognition/
"""
import os.path
import re
import sys
import tarfile
import glob
import json
import psutil
from collections import defaultdict
import numpy as np
from six.moves import urllib
import tensorflow as tf
FLAGS = tf.app.flags.FLAGS
# classify_image_graph_def.pb:
# Binary representation of the GraphDef protocol buffer.
# imagenet_synset_to_human_label_map.txt:
# Map from synset ID to a human readable string.
# imagenet_2012_challenge_label_map_proto.pbtxt:
# Text representation of a protocol buffer mapping a label to synset ID.
tf.app.flags.DEFINE_string(
'model_dir', '/tmp/imagenet',
"""Path to classify_image_graph_def.pb, """
"""imagenet_synset_to_human_label_map.txt, and """
"""imagenet_2012_challenge_label_map_proto.pbtxt.""")
tf.app.flags.DEFINE_string('image_file', '',
"""Absolute path to image file.""")
tf.app.flags.DEFINE_integer('num_top_predictions', 5,
"""Display this many predictions.""")
# pylint: disable=line-too-long
DATA_URL = 'http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz'
# pylint: enable=line-too-long
class NodeLookup(object):
"""Converts integer node ID's to human readable labels."""
def __init__(self,
label_lookup_path=None,
uid_lookup_path=None):
if not label_lookup_path:
label_lookup_path = os.path.join(
FLAGS.model_dir, 'imagenet_2012_challenge_label_map_proto.pbtxt')
if not uid_lookup_path:
uid_lookup_path = os.path.join(
FLAGS.model_dir, 'imagenet_synset_to_human_label_map.txt')
self.node_lookup = self.load(label_lookup_path, uid_lookup_path)
def load(self, label_lookup_path, uid_lookup_path):
"""Loads a human readable English name for each softmax node.
Args:
label_lookup_path: string UID to integer node ID.
uid_lookup_path: string UID to human-readable string.
Returns:
dict from integer node ID to human-readable string.
"""
if not tf.gfile.Exists(uid_lookup_path):
tf.logging.fatal('File does not exist %s', uid_lookup_path)
if not tf.gfile.Exists(label_lookup_path):
tf.logging.fatal('File does not exist %s', label_lookup_path)
# Loads mapping from string UID to human-readable string
proto_as_ascii_lines = tf.gfile.GFile(uid_lookup_path).readlines()
uid_to_human = {}
p = re.compile(r'[n\d]*[ \S,]*')
for line in proto_as_ascii_lines:
parsed_items = p.findall(line)
uid = parsed_items[0]
human_string = parsed_items[2]
uid_to_human[uid] = human_string
# Loads mapping from string UID to integer node ID.
node_id_to_uid = {}
proto_as_ascii = tf.gfile.GFile(label_lookup_path).readlines()
for line in proto_as_ascii:
if line.startswith(' target_class:'):
target_class = int(line.split(': ')[1])
if line.startswith(' target_class_string:'):
target_class_string = line.split(': ')[1]
node_id_to_uid[target_class] = target_class_string[1:-2]
# Loads the final mapping of integer node ID to human-readable string
node_id_to_name = {}
for key, val in node_id_to_uid.items():
if val not in uid_to_human:
tf.logging.fatal('Failed to locate: %s', val)
name = uid_to_human[val]
node_id_to_name[key] = name
return node_id_to_name
def id_to_string(self, node_id):
if node_id not in self.node_lookup:
return ''
return self.node_lookup[node_id]
def create_graph():
"""Creates a graph from saved GraphDef file and returns a saver."""
# Creates graph from saved graph_def.pb.
with tf.gfile.FastGFile(os.path.join(
FLAGS.model_dir, 'classify_image_graph_def.pb'), 'rb') as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
_ = tf.import_graph_def(graph_def, name='')
def run_inference_on_images(image_list, output_dir):
"""Runs inference on an image list.
Args:
image_list: a list of images.
output_dir: the directory in which image vectors will be saved
Returns:
image_to_labels: a dictionary with image file keys and predicted
text label values
"""
image_to_labels = defaultdict(list)
create_graph()
with tf.Session() as sess:
# Some useful tensors:
# 'softmax:0': A tensor containing the normalized prediction across
# 1000 labels.
# 'pool_3:0': A tensor containing the next-to-last layer containing 2048
# float description of the image.
# 'DecodeJpeg/contents:0': A tensor containing a string providing JPEG
# encoding of the image.
# Runs the softmax tensor by feeding the image_data as input to the graph.
softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')
for image_index, image in enumerate(image_list):
try:
print("parsing", image_index, image, "\n")
if not tf.gfile.Exists(image):
tf.logging.fatal('File does not exist %s', image)
with tf.gfile.FastGFile(image, 'rb') as f:
image_data = f.read()
predictions = sess.run(softmax_tensor,
{'DecodeJpeg/contents:0': image_data})
predictions = np.squeeze(predictions)
###
# Get penultimate layer weights
###
feature_tensor = sess.graph.get_tensor_by_name('pool_3:0')
feature_set = sess.run(feature_tensor,
{'DecodeJpeg/contents:0': image_data})
feature_vector = np.squeeze(feature_set)
outfile_name = os.path.basename(image) + ".npz"
out_path = os.path.join(output_dir, outfile_name)
np.savetxt(out_path, feature_vector, delimiter=',')
# Creates node ID --> English string lookup.
node_lookup = NodeLookup()
top_k = predictions.argsort()[-FLAGS.num_top_predictions:][::-1]
for node_id in top_k:
human_string = node_lookup.id_to_string(node_id)
score = predictions[node_id]
print("results for", image)
print('%s (score = %.5f)' % (human_string, score))
print("\n")
image_to_labels[image].append(
{
"labels": human_string,
"score": str(score)
}
)
# close the open file handlers
proc = psutil.Process()
open_files = proc.open_files()
for open_file in open_files:
file_handler = getattr(open_file, "fd")
os.close(file_handler)
except:
print('could not process image index',image_index,'image', image)
return image_to_labels
def maybe_download_and_extract():
"""Download and extract model tar file."""
dest_directory = FLAGS.model_dir
if not os.path.exists(dest_directory):
os.makedirs(dest_directory)
filename = DATA_URL.split('/')[-1]
filepath = os.path.join(dest_directory, filename)
if not os.path.exists(filepath):
def _progress(count, block_size, total_size):
sys.stdout.write('\r>> Downloading %s %.1f%%' % (
filename, float(count * block_size) / float(total_size) * 100.0))
sys.stdout.flush()
filepath, _ = urllib.request.urlretrieve(DATA_URL, filepath, _progress)
print()
statinfo = os.stat(filepath)
print('Succesfully downloaded', filename, statinfo.st_size, 'bytes.')
tarfile.open(filepath, 'r:gz').extractall(dest_directory)
def main(_):
maybe_download_and_extract()
if len(sys.argv) < 2:
print("please provide a glob path to one or more images, e.g.")
print("python classify_image_modified.py '../cats/*.jpg'")
sys.exit()
else:
output_dir = "image_vectors"
if not os.path.exists(output_dir):
os.makedirs(output_dir)
images = glob.glob(sys.argv[1])
image_to_labels = run_inference_on_images(images, output_dir)
with open("image_to_labels.json", "w") as img_to_labels_out:
json.dump(image_to_labels, img_to_labels_out)
print("all done")
if __name__ == '__main__':
tf.app.run()
Вы можете использовать Perceptual Image Diff
Это утилита командной строки, которая сравнивает два изображения с использованием метрики восприятия. То есть он использует вычислительную модель зрительной системы человека, чтобы определить, являются ли два изображения визуально различными, поэтому незначительные изменения в пикселях игнорируются. Кроме того, это значительно снижает количество ложных срабатываний, вызванных различиями в генерации случайных чисел, различий в ОС или архитектуре машины.
Это сложная проблема! Это зависит от того, насколько точно вы должны быть, и от того, с какими изображениями вы работаете. Вы можете использовать гистограммы для сравнения цветов, но это, очевидно, не учитывает пространственное распределение этих цветов в изображениях (то есть формы). Обнаружение кромок с последующей некоторой сегментацией (то есть выделением форм) может обеспечить шаблон для сопоставления с другим изображением. Вы можете использовать матрицы сообразительности для сравнения текстур, рассматривая изображения как матрицы значений пикселей и сравнивая эти матрицы. Есть несколько хороших книг по сопоставлению изображений и машинному зрению - поиск по Amazon найдет некоторые.
Надеюсь это поможет!
Некоторые программные решения для распознавания изображений на самом деле не основаны исключительно на алгоритмах, но вместо этого используют концепцию нейронной сети. Проверьте http://en.wikipedia.org/wiki/Artificial_neural_network и именно NeuronDotNet, который также включает интересные образцы: http://neurondotnet.freehostia.com/index.html
Вычисление суммы квадратов разностей значений цвета пикселей в сильно уменьшенной версии (например, 6x6 пикселей) работает хорошо. Одинаковые изображения дают 0, похожие изображения дают небольшие числа, разные изображения дают большие.
Идея других парней, описанных выше, в первую очередь звучит как YUV, звучит интригующе - хотя моя идея работает великолепно, я хочу, чтобы мои изображения были рассчитаны как "другие", чтобы они давали правильный результат - даже с точки зрения наблюдателя с дальтонизмом.
Связанные исследования с использованием нейронных сетей Кохонена / самоорганизующихся карт
Обе более академические системы (Google для PicSOM) или менее академические
( http://www.generation5.org/content/2004/aiSomPic.asp, (возможно, не подходит для всех условий работы)) существуют презентации.
Я нашел эту статью очень полезной, объясняя, как она работает:
http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html
Это звучит как проблема со зрением. Возможно, вы захотите взглянуть на Adaptive Boosting, а также алгоритм Burns Line Extraction. Понятия в этих двух должны помочь в подходе к этой проблеме. Обнаружение краев - еще более простое начало, если вы новичок в алгоритмах зрения, поскольку оно объясняет основы.
Что касается параметров для категоризации:
- Color Palette & Location (Расчет градиента, гистограмма цветов)
- Contained Shapes (Ada. Повышение / Тренировка по обнаружению фигур)
В зависимости от того, сколько точных результатов вам нужно, вы можете просто разбить изображения на блоки nxn пикселей и проанализировать их. Если вы получите разные результаты в первом блоке, вы не сможете остановить обработку, что приведет к некоторому повышению производительности.
Для анализа квадратов вы можете, например, получить сумму значений цвета.
В качестве первого прохода вы можете попробовать использовать цветные гистограммы. Однако вам действительно необходимо сузить область проблем. Общее сопоставление изображений - очень сложная проблема.
Извиняюсь за позднее участие в обсуждении.
Мы даже можем использовать методологию ORB для обнаружения сходных точек между двумя изображениями. Следующая ссылка дает прямую реализацию ORB в Python
http://scikit-image.org/docs/dev/auto_examples/plot_orb.html
Даже openCV имеет прямую реализацию ORB. Если вам нужна дополнительная информация, следуйте статье, приведенной ниже.
Вы можете выполнить своего рода оценку движения с согласованием блоков между двумя изображениями и измерить общую сумму невязок и затрат на вектор движения (так же, как это делали бы в видеокодере). Это компенсирует движение; для бонусных баллов выполните оценку движения с аффинным преобразованием (компенсирует увеличение и растяжение и т. д.). Вы также можете сделать перекрытые блоки или оптический поток.
В другой ветке есть несколько хороших ответов на этот вопрос, но мне интересно, сработает ли что-то, включающее спектральный анализ? Т.е. разбейте изображение на части по фазе и амплитуде и сравните их. Это может избежать некоторых проблем с обрезкой, трансформацией и различиями в интенсивности. Во всяком случае, это только я размышляю, так как это кажется интересной проблемой. Если вы искали http://scholar.google.com/ я уверен, что вы могли бы предложить несколько статей по этому вопросу.