Algorithmus für die Suche nach ähnlichen Bildern
https://stackoverflow.com/questions/75891
-
09-06-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
RussianFrage
Ich brauche einen Algorithmus, ob zwei Bilder ‚ähnlich‘ bestimmen kann, und erkennt ähnliche Muster der Farbe, Helligkeit, etc .. formen könnte ich einige Hinweise müssen, was das menschliche Gehirn Parameter verwendet zu ‚kategorisiert‘ Bilder. ..
Ich habe bei Hausdorff-basiertem Matching aussieht, aber das scheint in erster Linie für transformierte Objekte und Muster der Form entsprechen.
Lösung
Ich habe etwas ähnliches getan, indem Bilder in Signaturen Zersetzung unter Verwendung von Wavelet verwandeln.
Mein Ansatz war es, die wichtigsten n Koeffizienten von jedem transformierten Kanal zu holen, und ihre Position aufnehmen. Dies wurde durch die Sortierung der Liste der (Strom, Standort) Tupeln erfolgt nach abs (Leistung). Ähnliche Bilder Ähnlichkeiten teilen, dass sie signifikante Koeffizienten in den gleichen Stellen haben werden.
Ich finde es am besten, war in dem Bild in YUV-Format zu transformieren, die Ihnen Gewicht Ähnlichkeit in der Form (Y-Kanal) und Farbe (UV-Kanäle) wirksam werden kann.
Sie können in meiner Umsetzung der oben in mactorii finden, die leider habe ich nicht gearbeitet auf so viel wie ich haben sollte: -)
Eine andere Methode, die einige Freunde von mir mit überraschend guten Ergebnissen verwendet haben, ist einfach Ihr Bild die Größe nach unten zu sagen, ein 4x4-Pixel und zu speichern, die Ihre Unterschrift sind. Wie ähnlich 2 Bilder werden durch Mitsprache erzielt, die Berechnung der Entfernung Manhattan zwischen den zwei Bildern, mit entsprechende Pixel. Ich habe nicht die Details, wie sie die Größe neu bestimmen durchgeführt, so können Sie mit den verschiedenen Algorithmen zur Verfügung zu spielen haben für diese Aufgabe zu finden, die geeignet ist.
Andere Tipps
pHash Sie interessieren könnte.
Wahrnehmungs Hash-n. ein Fingerabdruck von einer Audio-, Video- oder Bilddatei, die auf den Audio- oder visuelle Inhalte darin enthaltenen mathematisch basiert. Anders als kryptographische Hash-Funktionen, die auf dem Lawineneffekt von kleinen Änderungen des Eingang verlassen, was zu drastischen Veränderungen in der Ausgabe, Wahrnehmungs Hashes ist „nahe“ zueinander, wenn die Eingänge sind visuell oder auditiv ähnlich.
ich verwendet habe, SIFT neu zu erfassen te elbe Objekt in verschiedenen Bildern. Es ist wirklich kraftvoll, aber ziemlich komplex, und vielleicht zu viel des Guten. Wenn die Bilder angeblich ziemlich ähnlich einige einfache Parameter auf der Differenz zwischen den beiden Bildern basiert sein können Sie ziemlich viel erzählen. Einige Hinweise:
- Normalisieren der Bilder die durchschnittliche Helligkeit der beiden Bilder machen, dh die gleichen, indem die durchschnittliche Helligkeit sowohl die Berechnung und die hellste Verkleinerung nach der Ration (zur Vermeidung von auf höchstem Niveau Clipping)) vor allem, wenn Sie mehr daran interessiert sind, Form als in der Farbe.
- Summe der Farbdifferenz über normalisierte Bild pro Kanal.
- finden, Kanten in den Bildern und den Abstand betwee Kantenpixel in beiden Bildern messen. (Für Form)
- Teilen Sie die Bilder in einem Satz von diskreten Regionen und vergleichen Sie die durchschnittliche Farbe der jeweiligen Region.
- Threshold die Bilder an einem (oder einen Satz von) Stufe (n) und die Anzahl der Pixel zählt, wo die erhaltenen Schwarz / Weiß-Bilder abweichen.
Sie könnten verwenden Perceptual Bild Diff
Es ist ein Kommandozeilenprogramm, das zwei Bilder unter Verwendung eines Wahrnehmungsmetrik vergleicht. Das heißt, es ein Rechenmodell des menschlichen visuellen Systems verwendet, um zu bestimmen, ob zwei Bilder visuell unterschiedlich sind, so geringfügige Änderungen in Pixel werden ignoriert. Plus, es reduziert die Anzahl der Fehlalarme, die durch Unterschiede in Erzeugung von Zufallszahlen, Betriebssystem oder Maschinenarchitektur Unterschiede.
Es ist ein schwieriges Problem! Es hängt davon ab, wie genau Sie sein müssen, und es hängt davon ab, welche Art von Bildern, die Sie arbeiten. Sie können Histogramme verwenden, um Farben zu vergleichen, aber das offensichtlich nicht berücksichtigt nicht die räumliche Verteilung dieser Farben in den Bildern (das heißt die Formen). Kantenerkennung durch eine Art von Segmentierungs gefolgt (d.h. die Formen Kommissionierung) kann ein Muster liefert zum Abgleichen gegen ein anderes Bild. Sie können coocurence Matrizen verwenden Texturen zu vergleichen, indem Sie die Bilder als Matrizen von Pixelwerten unter Berücksichtigung, und diese Matrizen zu vergleichen. Es gibt einige gute Bücher gibt, auf das Bild Matching und Machine Vision - Eine Suche auf Amazon einige finden
.Hope, das hilft!
Mein Labor erforderlich, um dieses Problem auch zu lösen, und wir benutzten Tensorflow. Hier ist ein vollständige App Implementierung für Bildähnlichkeit zu visualisieren.
Ein Tutorial auf die Bilder für Ähnlichkeitsberechnung Vektorisierung Besuche diese . Hier ist der Python (siehe wiederum die Post für die vollständige Workflow):
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()
Einige Bilderkennungs-Software-Lösungen sind eigentlich nicht rein Algorithmus basiert, aber die Verwendung des neuronales Netz machen Konzept statt. Schauen Sie sich http://en.wikipedia.org/wiki/Artificial_neural_network und zwar NeuronDotNet die auch interessante Proben beinhaltet: http://neurondotnet.freehostia.com/index.html
Es gibt verwandte Forschungsarbeiten Kohonen neuronale Netze / Selbst Karten organisieren
Beide akademischeren Systeme (Google für PicSOM) oder weniger akademische
( http://www.generation5.org/content/2004/aiSomPic.asp, (möglicherweise nicht geeignet
für alle Arbeits enviroments)) Präsentationen existieren.
Die Berechnung der Summe der Quadrate der Differenzen der Pixelfarbwerte einer drastisch verkleinerte Version (zB: 6x6 Pixel) funktioniert gut. Identische Bilder ergeben 0, ähnliche Bilder ergeben kleine Zahlen, verschiedene Bilder Großen ergeben.
Die etwas anderen Cops oben Idee in YUV zu brechen zuerst klingt faszinierend - während meine Idee funktioniert gut, ich möchte, dass meine Bilder als „anders“ berechnet werden, so dass es ein richtiges Ergebnis liefert - auch aus der Perspektive eines farbenblind Beobachter.
Das klingt wie eine Vision Problem. Sie könnten auch in Adaptive Boosting als Burns Linie Extraction-Algorithmus zu suchen. Die Konzepte in diesen beiden sollten mit Annäherung an dieses Problem helfen. Kantenerkennung ist ein noch einfacher Ort zu starten, wenn Sie Vision Algorithmen neu sind, wie es die Grundlagen erklärt.
Was als Parameter für Kategorisierung:
- Farbpalette & Location (Gradient Berechnung, Histogramm der Farben)
- Enthalten Formen (Ada. Boosting / Training Formen zu erkennen)
Je nachdem, wie viel genaue Ergebnisse, die Sie benötigen, können Sie einfach brechen die Bilder in n × n Pixel-Blöcke und sie analysieren. Wenn Sie unterschiedliche Ergebnisse in dem ersten Block bekommen Sie nicht die Verarbeitung stoppen, in einigen Leistungsverbesserungen führen.
Für die Quadrate der Analyse können Sie zum Beispiel die Summe der Farbwert erhalten.
Sie könnten eine Art von Block-Matching-Bewegungsschätzung zwischen den beiden Bildern durchzuführen und die gesamte Summe von Rest- und Bewegungsvektor-Kosten messen (ähnlich wie ein in einem Video-Encoder tun würde). Dies würde für die Bewegung kompensieren; für Bonuspunkte, tun affine Transformation Bewegungsschätzung (für zoomt kompensiert und Dehnung und ähnliches). Sie können auch überlappende Blöcke oder optischen Fluss tun.
Als erster Pass können Sie versuchen, Farbe Histogramme verwenden. Allerdings müssen Sie wirklich Ihr Problem Domain verengen. Generisches Bildanpassung ist ein sehr schwieriges Problem.
Ich fand diesen Artikel sehr hilfreich zu erklären, wie es funktioniert:
http: //www.hackerfactor .com / blog / index.php? /archives/432-Looks-Like-It.html
Wir entschuldigen uns für spät in der Diskussion verbinden.
Wir können sogar ORB Methode verwenden, um ähnliche Merkmale Punkte zwischen zwei Bildern zu erkennen. Nach Link gibt direkte Umsetzung von ORB in Python
http://scikit-image.org/docs/dev/auto_examples/ plot_orb.html
Auch OpenCV hat direkte Umsetzung von ORB bekommt. Wenn Sie weitere Informationen, die Forschung Artikel folgen weiter unten.
Es gibt einige gute Antworten in dem anderen Thread zu diesem Thema, aber ich frage mich, ob etwas funktionieren wird, eine Spektralanalyse beteiligt? Das heißt, brechen das Bild nach unten auf es ist Phasen- und Amplitudeninformation und vergleichen Sie diese. Dies kann einige der Probleme, mit Zuschneiden, Transformation und Intensitätsunterschiede vermeiden. Wie auch immer, das ist nur spekulieren, ich da dies wie ein interessantes Problem zu sein scheint. Wenn Sie gesucht http://scholar.google.com ich bin sicher, könnten Sie auf mit mehreren Papieren kommen dies.
