Python图像识别,图片相似度计算!

最新推荐文章于 2024-05-09 09:38:26 发布

Python资深程序员

最新推荐文章于 2024-05-09 09:38:26 发布

阅读量1w

点赞数 5

分类专栏： Python 文章标签： Python

本文链接：https://blog.csdn.net/Pythoncxy/article/details/100140759

版权

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），

Python资源共享群：626017123

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：

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：

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：

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：

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RGB
def make_regalur_image(img, size=(64, 64)):
    gray_image = img.resize(size).convert('RGB')
    return gr

关注