Matlab图像识别/检索系列(1)—10行代码完成基于BOW的图像检索

今年11月下旬，京东金融发布了大数据比赛。长期搞图像的我忍不住想参加一下，看看都有什么样的人参加比赛，自己能取得什么样的成绩。现在比赛已经结束了，机器之心有一篇文章简单介绍了猪脸识别商业组第一名的情况。看到他们参赛阵容这么豪华，我也就自我安慰了一下，虽然自己离前二十还有一段距离，不过我是单枪匹马啊，一个人一台机器，还经常内存不足。这也提醒我，该买机器了，进入深度学习时代，光拼代码不够了，还要拼机器。同时，我也感叹了一下现在的Matlab真是强大，回想自己在学校时候用VC98+libsvm跑的在trecvid2005上的词典生成程序，一个人几个星期能搞出来就不错了。而现在，几行代码就够了。还不用配置VS的环境、不用编译OPENCV源码，真是太容易了。前两年，深度学习火起来后，有人说本科生都能把CNN跑起来，达到教授们的水平。现在，有了Matlab，中学生都能把CNN跑起来了。难怪国家开始提倡小学生开始编程了。这样的话，到2035年成为人工智能强国的就很容易了。
下面进入正题，接触Matlab已经18年了，本科时候学数学用，读硕时候用simullink搭卫星编码的仿真系统，觉得Matlab确实好用，简单，上手快，帮助文档很全面，示例很多，代码拷过来就能跑。读博期间没有再用，那段时间Matlab在图像处理和计算机视觉上功能比较少，主要用OpenCV了。这两年，Matlab发力了，不但补上了图像检索、BOW，还实现了深度学习的不少功能。研究算法的小伙伴们可以看看。记得在读博期间，写过不少图像检索的程序，都是在OpenCV和MFC基础上写的，耗时比较长，在代码实现上还是花了不少时间的。现在，在Matlab2016或Matlab2017下，一个检索程序只需要几行代码就够了。而且，计算指标、画曲线都不用自己写代码了，真是方便。

    %exam1.m 
    setDir  = fullfile(toolboxdir('vision'),'visiondata','imageSets','cups');
    %读取指定目录下图像，并生成imageSet类
    imgSets = imageSet(setDir, 'recursive');   
    thumbnailGallery = [];
    %图像缩放和设置缩略图
    for i = 1:imgSets.Count
                    I = read(imgSets, i);
                    thumbnail = imresize(I, [300 300]);
                    thumbnailGallery = cat(4, thumbnailGallery, thumbnail);
    end
    figure;
    %将一组图像显示为缩略图，图像之间无空白
    montage(thumbnailGallery);
    %设置生成词袋用的图像特征提取方式
    extractor = @exampleBagOfFeaturesExtractor;
    %为图像集生成词袋
    bag = bagOfFeatures(imgSets,'CustomExtractor',extractor);
    %为图像集建立图像索引
    imageIndex = indexImages(imgSets,bag,'Verbose',false);
    %读取图象集第四幅图像
    queryImage = read(imgSets,4);
    figure;
    imshow(queryImag)
    %对查询图像进行检索，生成的结果按相似度排序
    indices = retrieveImages(queryImage,imageIndex);
    %在图像索引中取出第一幅即最相似的图像
    bestMatch = imageIndex.ImageLocation{indices(1)};
    figure;
    imshow(bestMatch); 

该示例通过imageSet、bagOfFeatures、indexImages、retrieveImages、四个函数就实现了基于BOW的图像检索。不过，代码虽少，但生成bag所用的特征是SURF，数量很大，图像集稍大时很容易耗尽内存。montage函数显示图像的效果较好，以前用plot函数显示多幅图像难免会有很多空白间距。

转载于:https://blog.51cto.com/8764888/2053832