Algoritmo para encontrar imágenes similares

Necesito un algoritmo que pueda determinar si dos imágenes son “similares” y reconoce patrones similares de color, brillo, forma, etc. Podría necesitar algunos consejos sobre qué parámetros usa el cerebro humano para “categorizar” imágenes. ..

He examinado la coincidencia basada en hausdorff, pero eso parece principalmente para comparar objetos transformados y patrones de forma.

He hecho algo similar, descomponiendo imágenes en firmas usando la transformación wavelet .

Mi enfoque fue seleccionar los coeficientes n más significativos de cada canal transformado y registrar su ubicación. Esto se hizo ordenando la lista de tuplas (de potencia, ubicación) de acuerdo con abs (potencia). Imágenes similares compartirán similitudes ya que tendrán coeficientes significativos en los mismos lugares.

Descubrí que lo mejor era transformar la imagen en formato YUV, lo que efectivamente le permite simular el peso en forma (canal Y) y color (canales UV).

Puede encontrar mi implementación de lo anterior en mactorii , que desafortunadamente no he estado trabajando tanto como debería 🙂

Otro método, que algunos de mis amigos han usado con resultados sorprendentemente buenos, es simplemente cambiar el tamaño de su imagen, por ejemplo, un píxel de 4×4 y una tienda que son su firma. Qué tan similares son 2 imágenes se pueden calificar, por ejemplo, calculando la 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 puede que tenga que jugar con los diversos algoritmos disponibles para esa tarea para encontrar uno que sea adecuado.

pHash podría interesarte.

hash perceptual n. una huella digital de un archivo de audio, video o imagen que se basa matemáticamente en el contenido visual o de audio contenido en él. A diferencia de las funciones hash criptográficas que dependen del efecto avalancha de pequeños cambios en la entrada que conducen a cambios drásticos en la salida, los hashes perceptivos están “cerca” entre sí si las entradas son visualmente o auditivamente similares.

He usado SIFT para volver a detectar el mismo objeto en diferentes imágenes. Es realmente poderoso pero bastante complejo, y podría ser excesivo. Si se supone que las imágenes son bastante similares, algunos parámetros simples basados ​​en la diferencia entre las dos imágenes pueden indicarle bastante. Algunos consejos:

  • Normalice las imágenes, es decir, haga que el brillo promedio de ambas imágenes sea el mismo calculando el brillo promedio de ambas y escalando las más shinys hacia abajo de acuerdo con la ración (para evitar recortes al más alto nivel) especialmente si está más interesado en la forma que en color.
  • Suma de la diferencia de color sobre la imagen normalizada por canal.
  • encuentre los bordes en las imágenes y mida la distancia entre los píxeles del borde 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 a uno (o un conjunto de) nivel (s) y contar el número de píxeles donde difieren las imágenes en blanco y negro resultantes.

¡Es un problema difícil! Depende de la precisión que necesite y depende del tipo de imágenes con las que esté trabajando. Puede usar histogtwigs para comparar colores, pero eso obviamente no tiene en cuenta la distribución espacial de esos colores dentro de las imágenes (es decir, las formas). La detección de bordes seguida de algún tipo de segmentación (es decir, selección de las formas) puede proporcionar un patrón para hacer coincidir contra otra imagen. Puede usar matrices de coocurrencia para comparar texturas, considerando las imágenes como matrices de valores de píxeles y comparando esas matrices. Hay algunos buenos libros sobre la coincidencia de imágenes y la visión artificial: una búsqueda en Amazon encontrará algunos.

¡Espero que esto ayude!

Podría usar Difference Perceptual Image

Es una utilidad de línea de comandos que compara dos imágenes usando una métrica perceptual. 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 píxeles. Además, reduce drásticamente la cantidad de falsos positivos causados ​​por las diferencias en la generación de números aleatorios, el sistema operativo o las diferencias en la architecture de la máquina.

Algunas soluciones de software de reconocimiento de imágenes no están basadas en algoritmos, sino que utilizan el concepto de neural network . Visite http://en.wikipedia.org/wiki/Artificial_neural_network y NeuronDotNet, que también incluye ejemplos interesantes: http://neurondotnet.freehostia.com/index.html

Hay investigaciones relacionadas que usan redes neuronales de Kohonen / mapas de autoorganización

Ambos sistemas más académicos (Google para PicSOM) o menos académicos
( http://www.generation5.org/content/2004/aiSomPic.asp , (posiblemente no apto para todos los entornos de trabajo)) existen presentaciones.

Calcular la sum de los cuadrados de las diferencias de los valores de color de los píxeles de una versión drásticamente reducida (por ejemplo, 6×6 píxeles) funciona muy bien. Las imágenes idénticas producen 0, las imágenes similares producen números pequeños, las imágenes diferentes rinden grandes.

La idea de los otros chicos de entrar en YUV primero suena intrigante, mientras que mi idea funciona muy bien, quiero que mis imágenes se calculen como “diferentes” para que arrojen un resultado correcto, incluso desde la perspectiva de un observador ciego.

Mi laboratorio también necesitaba resolver este problema y usamos Tensorflow. Aquí hay una implementación completa de la aplicación para visualizar la similitud de la imagen.

Para obtener un tutorial sobre vectorización de imágenes para el cálculo de similitud, consulte esta página . Aquí está el Python (otra vez, vea la publicación para 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 (eg 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, eg") 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() 

Esto suena como un problema de visión. Es posible que desee buscar en Adaptive Boosting y en el algoritmo Burns Line Extraction. Los conceptos en estos dos deberían ayudar a abordar este problema. La detección de bordes es un lugar aún más simple para comenzar si eres nuevo en los algoritmos de visión, ya que explica los conceptos básicos.

En cuanto a los parámetros para la categorización:

  • Paleta de colores y ubicación (cálculo de gradiente, histogtwig de colores)
  • Formas contenidas (Ada. Boosting / Training para detectar formas)

Dependiendo de la cantidad de resultados exactos que necesite, puede simplemente dividir las imágenes en bloques de píxeles nxn y analizarlos. Si obtienes resultados diferentes en el primer bloque, no puedes detener el procesamiento, lo que da como resultado algunas mejoras en el rendimiento.

Para analizar los cuadrados puede, por ejemplo, obtener la sum de los valores de color.

Podría realizar algún tipo de estimación de movimiento de coincidencia de bloques entre las dos imágenes y medir la sum global de 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, haga una estimación de movimiento de transformación afín (compensa los acercamientos y estiramientos y similares). También podría hacer bloques superpuestos o flujo óptico.

Como primer paso, puede intentar usar histogtwigs de color. Sin embargo, realmente necesita reducir el dominio de su problema. La coincidencia de imágenes genéricas es un problema muy difícil.

Encontré este artículo muy útil para explicar cómo funciona:

http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html

Disculpas por unirte al final de la discusión.

Incluso podemos usar 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 implementación directa de ORB. Si tiene más información, siga el artículo de investigación que se proporciona a continuación.

https://www.researchgate.net/publication/292157133_Image_Matching_Using_SIFT_SURF_BRIEF_and_ORB_Performance_Comparison_for_Distorted_Images

Hay algunas buenas respuestas en el otro hilo sobre esto, pero me pregunto si algo que involucre un análisis espectral funcionaría. Es decir, divide la imagen en su información de fase y amplitud y compáralas. Esto puede evitar algunos de los problemas de recorte, transformación e diferencias de intensidad. De todos modos, eso es solo que estoy especulando, ya que parece un problema interesante. Si buscó http://scholar.google.com , estoy seguro de que podría presentar varios artículos sobre esto.