python图像检索

一、Bag of features算法

此算法的思想是在我们先做一个数据集，然后找到图像中的关键词，这些关键词必须具备较高的区分度，最主要的操作就是提取sift特征，然后对这些特征点进行聚类算法，然后得到聚类中心，聚类中心就具有很高的代表性，这些聚类中心形成字典，然后自取一张图片，进行sift特征提取，就可以在字典里找到最相似的聚类中心，统计这些聚类中心出现的次数，然后就直方图表示出来，对于不同类别的图片，就可以训练处一些分类模型，然后就可以进行图片分类。

二、算法流程

1.收集数据集

2.提取sift特征

3.根据sift特征提取结果,进行聚类，得到一个字典

4.根据字典将图片表示成向量（直方图）；

5.训练分类器或者用 KNN 进行检索

提取特征：
为了是图片具有较高的分辨度，使用sift特征提取，保证旋转不变性和尺度不变性，每个特征点都是128维的向量，将会提取很多的特征点

得到字典：
再次之前提取了很多的特征向量，然后就对这些特征向量进行k-means聚类，k值根据实际情况而定。聚类完成后，就得到了这 k 个向量组成的字典，这 k 个向量有一个通用的表达，叫 visual word。

三、实验过程

一：创建图像源：

二、基于Bag of features算法的图像检索
2.1
读取图片，提取特征
代码

import pickle
from PCV.imagesearch import vocabulary
from PCV.tools.imtools import get_iml