python图像识别之图片相似度计算 _python

文章插图

作者 | a1131825850疯子
来源 | Python爬虫scrapy

1.背景
要识别两张图片是否相似，首先我们可能会区分这两张图是人物照，还是风景照等......对应的风景照是蓝天还是大海......做一系列的分类。
从机器学习的的角度来说，首先要提取图片的特征，将这些特征进行分类处理，训练并建立模型，然后在进行识别。
但是让计算机去区分这些图片分别是哪一类是很不容易的，不过计算机可以知道图像的像素值的，因此，在图像识别过程中，通过颜色特征来识别是相似图片是我们常用的（当然还有其特征还有纹理特征、形状特征和空间关系特征等，这些有分为直方图，颜色集，颜色局，聚合向量，相关图等来计算颜色特征），
为了得到两张相似的图片，在这里通过以下几种简单的计算方式来计算图片的相似度：
直方图计算图片的相似度
通过哈希值，汉明距离计算
通过图片的余弦距离计算
通过图片结构度量计算
一、直方图计算图片的相似度
上三张图片，分别是img1.png, img2.jpg,img.png：

文章插图

文章插图

可以看出上面这三张图是挺相似的，在颜色上是差不多的，最相似的是哪两张大家可以猜猜看，看和我们计算的是否一样。
在python中利用opencv中的calcHist()方法获取其直方图数据，返回的结果是一个列表：
# 计算图img1的直方图H1 = cv2.calcHist([img1], [1], None, [256], [0, 256])H1 = cv2.normalize(H1, H1, 0, 1, cv2.NORM_MINMAX, -1) # 对图片进行归一化处理先计算img1的直方图，在对其归一化，最后在分别对img2,img3计算，做归一化，然后在利用python自带的compareHist()进行相似度的比较：
利用compareHist（）进行比较相似度similarity1 = cv2.compareHist(H1, H2, 0)最后得到三张图片的直方图如下：

文章插图

图像的x轴是指的图片的0~255之间的像素变化，y轴指的是在这0~255像素所占的比列。
我们可以明显的看出img2与img3的直方图的变化趋势是相符的有重合态的，运行结果如下：

文章插图

通过运行结果知道img2和img3是值是最为相似的（代码calcImage.py）
上面的是直接调用opencv中的方法来实现的，下面还有自己写的方法：
首先是将图片转化为RGB格式，在这里是用的pillow中的Image来对图片做处理的：
# 将图片转化为RGBdef make_regalur_image(img, size=(64, 64)): gray_image = img.resize(size).convert('RGB') return gray_image在计算两图片的直方图：
# 计算直方图def hist_similar(lh, rh): assert len(lh) == len(rh) hist = sum(1 - (0 if l == r else float(abs(l - r)) / max(l, r)) for l, r in zip(lh, rh)) / len(lh) return hist在计算其相似度:
# 计算相似度def calc_similar(li, ri): calc_sim = hist_similar(li.histogram(), ri.histogram())returncalc_sim得到最终的运行结果：

文章插图

两种方法的的结果还是有点差距的，可以看到img1和img3的结果相似度高些。
不过两者的相似度计算方法如下：

文章插图

gi和si分别指的是两条曲线的第i个点。
总结：
利用直方图计算图片的相似度时，是按照颜色的全局分布情况来看待的，无法对局部的色彩进行分析，同一张图片如果转化成为灰度图时，在计算其直方图时差距就更大了。
为了解决这个问题，可以将图片进行等分，然后在计算图片的相似度。不过在这里我就不叙述了，大家自行探讨！！！
二、哈希算法计算图片的相似度
在计算之前我们先了解一下图像指纹和汉明距离：
图像指纹：
图像指纹和人的指纹一样，是身份的象征，而图像指纹简单点来讲，就是将图像按照一定的哈希算法，经过运算后得出的一组二进制数字。
汉明距离：
假如一组二进制数据为101，另外一组为111，那么显然把第一组的第二位数据0改成1就可以变成第二组数据111，所以两组数据的汉明距离就为1 。简单点说，汉明距离就是一组二进制数据变成另一组数据所需的步骤数，显然，这个数值可以衡量两张图片的差异，汉明距离越小，则代表相似度越高。汉明距离为0，即代表两张图片完全一样。