检查图像与OpenCV的相似性

作者: 老人与海
发布时间: 2025-01-23 04:47:20 (13天前)
转自：

3 条回复

0#
回复此人
蜡笔小辛 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 这是一个非常庞大的话题，从3行代码到整个研究杂志的答案。 </p> <P> 我将概述最常见的此类技术及其结果。 </p> <H2> 比较直方图 </H2> <P> 最简单的一个最快的方法。建议几十年前作为寻找图像相似性的手段。这个想法是，森林将拥有大量的绿色，人脸会有很多粉红色，或者其他什么。因此，如果你将两张图片与森林进行比较，你会在直方图之间得到一些相似之处，因为两者都有很多绿色。 </p> <BLOCKQUOTE> <P> 缺点：太简单了。香蕉和海滩看起来都一样，都是黄色的。 </p> <P> OpenCV方法：compareHist（） </p> </BLOCKQUOTE> <H2> 模板匹配 </H2> <P> 这是一个很好的例子 <a href="https://stackoverflow.com/questions/8520882/matchtemplate-finding-good-match"> matchTemplate找到很好的匹配 </A> 。它将搜索图像与正在搜索的图像进行卷积。它通常用于在较大的图像中找到较小的图像部分。 </p> <BLOCKQUOTE> <P> 缺点：它只会返回相同图像，相同大小和相同的良好结果。取向。 <BR/> OpenCV方法：matchTemplate（） </p> </BLOCKQUOTE> <H2> 功能匹配 </H2> <P> 被认为是进行图像搜索的最有效方法之一。从图像中提取许多特征，以确保即使旋转/缩放/倾斜也能再次识别相同的特征。以这种方式提取的特征可以与其他图像特征集匹配。另一个在第一个中具有高比例特征的图像很可能描绘了相同的对象/场景。它可用于查找照片之间拍摄角度的相对差异，或重叠量。 </p> <BLOCKQUOTE> <P> 关于此，有许多OpenCV教程/示例，以及一个不错的视频 <a href="http://www.youtube.com/watch?v=FirtmYcC0Vc" rel="noreferrer"> 这里 </A> 。整个OpenCV模块（features2d）专门用于它。 <BR/> 缺点：可能很慢。它并不完美。 </p> </BLOCKQUOTE> <UL> <LI> 您可以在此处找到更详细的信息和其他类似技术： <a href="http://answers.opencv.org/question/877/how-to-match-2-hog-for-object-detection/#882" rel="noreferrer"> http://answers.opencv.org/question/877/how-to-match-2-hog-for-object-detection/#882 </A> </LI> </UL> </DIV>

编辑
1#
回复此人
林老爷的日常 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 有点偏离主题但有用的是pythonic <code> numpy </code> 做法。它强大而快速但只是比较像素而不是图片所包含的对象或数据（并且它需要相同大小和形状的图像）： </p> <P> 在没有openCV和任何计算机视觉库的情况下，一个非常简单快速的方法是通过规范图像阵列 </p> <pre> <code> import numpy as np picture1 = np.random.rand(100,100) picture2 = np.random.rand(100,100) picture1_norm = picture1/np.sqrt(np.sum(picture1**2)) picture2_norm = picture2/np.sqrt(np.sum(picture2**2)) </code> </pre> <P> 在定义两个标准图片（或矩阵）之后，您可以将您想要比较的图片的乘法加以总结： </p> <P> 1）如果你比较相似的图片，总和将返回1： </p> <pre> <code> In[1]: np.sum(picture1_norm**2) Out[1]: 1.0 </code> </pre> <P> 2）如果它们不相似，你将获得一个介于0和1之间的值（如果乘以100则为百分比）： </p> <pre> <code> In[2]: np.sum(picture2_norm*picture1_norm) Out[2]: 0.75389941124629822 </code> </pre> <P> 请注意，如果您有彩色图片，则必须在所有3个维度中执行此操作，或者只是比较灰度版本。我经常需要将大量图片与任意内容进行比较，这是一种非常快速的方法。 </p> </DIV>

编辑

登录后才能参与评论