Algoritmo para encontrar imágenes similares.
https://stackoverflow.com/questions/75891
-
09-06-2019 - |
italiano
english
français
española
中国
日本の
العربية
Deutsch
한국어
Português
RussianPregunta
Necesito un algoritmo que pueda determinar si dos imágenes son "similares" y reconozca patrones similares de color, brillo, forma, etc.Quizás necesite algunas indicaciones sobre qué parámetros utiliza el cerebro humano para "categorizar" imágenes...
He analizado la combinación basada en Hausdorff, pero parece principalmente para combinar objetos transformados y patrones de forma.
Solución
He hecho algo similar, descomponiendo imágenes en firmas usando transformada wavelet.
Mi enfoque fue elegir los más significativos. norte coeficientes de cada canal transformado y registrando su ubicación.Esto se hizo ordenando la lista de tuplas (potencia, ubicación) según abs (potencia).Imágenes similares compartirán similitudes en el sentido de que tendrán coeficientes significativos en los mismos lugares.
Descubrí que era mejor transformar la imagen al formato YUV, lo que efectivamente le permite ponderar la similitud en la forma (canal Y) y el color (canales UV).
Puede encontrar mi implementación de lo anterior en mactorii, en el que lamentablemente no he trabajado tanto como debería :-)
Otro método, que algunos amigos míos han utilizado con resultados sorprendentemente buenos, es simplemente cambiar el tamaño de la imagen para, digamos, un píxel de 4x4 y almacenar esa firma.¿Qué tan similares son 2 imágenes se puede calificar, por ejemplo, calculando el distancia de manhattan entre las 2 imágenes, utilizando los píxeles correspondientes.No tengo los detalles de cómo realizaron el cambio de tamaño, por lo que es posible que tengas que jugar con los distintos algoritmos disponibles para esa tarea hasta encontrar uno que sea adecuado.
Otros consejos
pHash podría interesarte.
hash perceptivouna huella digital de un archivo de audio, video o imagen que se basa matemáticamente en el contenido de audio o visual que contiene.A diferencia de las funciones hash criptográficas que se basan en el efecto de avalancha de pequeños cambios en la entrada que conducen a cambios drásticos en la salida, los hash perceptivos son "cercanos" entre sí si las entradas son similares visual o auditivamente.
he usado TAMIZAR para volver a detectar el mismo objeto en diferentes imágenes.Es realmente poderoso pero bastante complejo y puede resultar excesivo.Si se supone que las imágenes son bastante similares, algunos parámetros simples basados en la diferencia entre las dos imágenes pueden decirle bastante.Algunos consejos:
- Normalizar las imágenes, es decir.Haga que el brillo promedio de ambas imágenes sea el mismo calculando el brillo promedio de ambas y reduciendo el brillo más alto según la proporción (para evitar el recorte en el nivel más alto), especialmente si está más interesado en la forma que en el color.
- Suma de diferencia de color sobre imagen normalizada por canal.
- encuentre bordes en las imágenes y mida la distancia entre los píxeles de los bordes en ambas imágenes.(para la forma)
- Divida las imágenes en un conjunto de regiones discretas y compare el color promedio de cada región.
- Umbral de las imágenes en uno (o un conjunto de) niveles y cuente el número de píxeles en los que difieren las imágenes en blanco y negro resultantes.
Podrías usar Diferencia de imagen perceptual
Es una utilidad de línea de comandos que compara dos imágenes utilizando una métrica de percepción.Es decir, utiliza un modelo computacional del sistema visual humano para determinar si dos imágenes son visualmente diferentes, por lo que se ignoran los cambios menores en los píxeles.Además, reduce drásticamente la cantidad de falsos positivos causados por diferencias en la generación de números aleatorios, el sistema operativo o las diferencias en la arquitectura de la máquina.
¡Es un problema difícil!Depende de qué tan preciso deba ser y de con qué tipo de imágenes esté trabajando.Puede usar histogramas para comparar colores, pero eso obviamente no tiene en cuenta la distribución espacial de esos colores dentro de las imágenes (es decir,las formas).Detección de bordes seguida de algún tipo de segmentación (es decir,seleccionar las formas) puede proporcionar un patrón para compararlo con otra imagen.Puede utilizar matrices de coocurencia para comparar texturas, considerando las imágenes como matrices de valores de píxeles y comparándolas.Existen algunos buenos libros sobre comparación de imágenes y visión artificial. Una búsqueda en Amazon encontrará algunos.
¡Espero que esto ayude!
Mi laboratorio también necesitaba resolver este problema y utilizamos Tensorflow.Aquí está un aplicación completa Implementación para visualizar similitudes de imágenes.
Para obtener un tutorial sobre la vectorización de imágenes para el cálculo de similitudes, consulte esta página.Aquí está Python (nuevamente, consulte la publicación para conocer el flujo de trabajo completo):
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()
Algunas soluciones de software de reconocimiento de imágenes en realidad no se basan exclusivamente en algoritmos, sino que utilizan red neuronal concepto en su lugar.Verificar http://en.wikipedia.org/wiki/Artificial_neural_network y concretamente NeuronDotNet, que también incluye ejemplos interesantes: http://neurondotnet.freehostia.com/index.html
Hay investigaciones relacionadas que utilizan redes neuronales de Kohonen/mapas autoorganizados.
Tanto sistemas más académicos (Google para PicSOM) como menos académicos
( http://www.generación5.org/content/2004/aiSomPic.asp , (posiblemente no adecuado para todos los entornos laborales)) existen presentaciones.
Calcular la suma de los cuadrados de las diferencias de los valores de color de los píxeles de una versión drásticamente reducida (por ejemplo:6x6 píxeles) funciona muy bien.Imágenes idénticas producen 0, imágenes similares producen números pequeños, imágenes diferentes producen números grandes.
La idea de los otros chicos de arriba de entrar primero en YUV suena intrigante: si bien mi idea funciona muy bien, quiero que mis imágenes se calculen como "diferentes" para que produzcan un resultado correcto, incluso desde la perspectiva de un observador daltónico.
Esto suena como un problema de visión.Es posible que desees analizar el refuerzo adaptativo y el algoritmo de extracción de líneas Burns.Los conceptos de estos dos deberían ayudar a abordar este problema.La detección de bordes es un punto de partida aún más sencillo si eres nuevo en los algoritmos de visión, ya que explica los conceptos básicos.
En cuanto a parámetros de categorización:
- Paleta de colores y ubicación (cálculo de gradiente, histograma de colores)
- Formas contenidas (Ada.Impulsar/Entrenar para detectar formas)
Dependiendo de la precisión de los resultados que necesite, simplemente puede dividir las imágenes en bloques de n x n píxeles y analizarlas.Si obtiene resultados diferentes en el primer bloque, no puede detener el procesamiento, lo que genera algunas mejoras en el rendimiento.
Para analizar los cuadrados puedes, por ejemplo, obtener la suma de los valores de color.
Podría realizar algún tipo de estimación de movimiento de coincidencia de bloques entre las dos imágenes y medir la suma general de los residuos y los costos del vector de movimiento (muy parecido a lo que se haría en un codificador de video).Esto compensaría el movimiento;para obtener puntos de bonificación, realice una estimación del movimiento de transformación afín (compense los zooms, los estiramientos y similares).También puedes hacer bloques superpuestos o flujo óptico.
Como primer paso, puedes intentar usar histogramas de color.Sin embargo, realmente necesita limitar el dominio del problema.La coincidencia de imágenes genéricas es un problema muy difícil.
Encontré este artículo muy útil que explica cómo funciona:
http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html
Disculpas por unirte tarde a la discusión.
Incluso podemos utilizar la metodología ORB para detectar puntos de características similares entre dos imágenes.El siguiente enlace proporciona la implementación directa de ORB en Python
http://scikit-image.org/docs/dev/auto_examples/plot_orb.html
Incluso openCV tiene una implementación directa de ORB.Si desea obtener más información, siga el artículo de investigación que figura a continuación.
Hay algunas buenas respuestas en el otro hilo sobre esto, pero me pregunto si algo que implique un análisis espectral funcionaría.Es decir, divida la imagen en su información de fase y amplitud y compárela.Esto puede evitar algunos de los problemas relacionados con el cultivo, la transformación y las diferencias de intensidad.De todos modos, solo soy yo especulando, ya que parece un problema interesante.si buscaste http://scholar.google.com Estoy seguro de que se le ocurrirán varios artículos sobre esto.
