使用 OpenCV 和 Python 比较图像的相似性

Question

我正在尝试将图像与其他图像列表进行比较，并返回此列表中相似度高达 70% 的一组图像（如 Google 搜索图像）。

我在这篇文章中得到了这个代码并根据我的上下文进行了更改

# 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？ 有没有办法做到这一点？

Answer 1

我建议您查看图像之间的推土机距离 (EMD)。 这个指标给人一种将标准化灰度图像转换为另一个的难度的感觉，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：

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

它可以在整个图像和直方图上完成（这确实比整个图像方法快）。 我不确定哪种方法允许完整图像比较，但对于直方图比较，您可以使用cv.CalcEMD2函数。

唯一的问题是这种方法没有定义相似度的百分比，而是定义一个可以过滤的距离。

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 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，该矩阵描述如何将灰度从第一个图像的一个像素移动到另一个像素以获得第二个（它甚至可以定义对于非标准化的，但更难）。

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) 的流量，但是如果您将图像展平，则可以对其进行转换到普通矩阵，只是更难阅读。

该流矩阵具有三个约束条件：每项应为正，每行的总和应返回目标像素的相同值，每列的总和应返回起始像素的值。

鉴于此，您必须最小化转换的成本，该成本由从 (i,j) 到 (k,l) 的每个流的乘积之和给出，即 (i,j) 和 (k,l) 之间的距离。

文字看起来有点复杂，所以这里是测试代码。 逻辑是正确的，我不知道为什么 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，我不确定为什么它会抱怨奇异矩阵。

该算法的唯一问题是速度不是很快，因此无法按需执行，但您必须耐心地创建数据集并将结果存储在某处

Answer 2

您正在着手解决一个巨大的问题，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。 目前还没有完成的算法或标准方法，尽管有很多技术都取得了不同程度的成功。

甚至谷歌图像搜索也没有这样做（还）——他们进行基于文本的图像搜索——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努力使用 CBIR；这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......

这里有大量关于这个主题的论文：

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

一般来说，你需要做一些事情：

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

这可能涉及特征描述符、图像要点、 多实例学习。 等等。

Answer 3

大约 2 年前，我使用 Python/Cython 编写了一个程序来做一些非常相似的事情。 后来我将其改写为 Go 以获得更好的性能。 基本思想来自findimagedupes IIRC。

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，然后将其大小调整为 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] [0]中的path[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，则可以将其删除。）

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

然后通过对这 2 个值进行异或并对设置为 1 的位进行计数来计算这 2 张图像的相似度分数。要进行此位计数，您可以使用此答案中的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 到 256 之间的数字，表示您的图像的相似程度。 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（或仅使用纯 C）：对于纯 Python 整数，异或和位计数非常慢。

我真的很抱歉，但我再也找不到我的 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它（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中还有一个很好的“相似度查找”功能； 它的来源在 这里。

Answer 4

要在 Python 中更简单地实现 Earth Mover's Distance（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)