Opencv оценивает изображения с похожими цветами

машинное обучение

описание проблемы

Есть проект, вообще судить крутые фотки в статье или нет.

подготовка материала

Итак, я случайно нашел 4 картинки из Интернета:fileКак можно видеть,Первые 3 картинки должны быть похожи по цвету и удобству чтения, а последняя должна отличаться.

И когда мы только масштабируем изображение (чтобы быстро бегать), а затем используем канал bgr, чтобы получить гистограмму для расчета сходства:fileно нашел,Только сходство между первым и вторым изображениями больше 0,5, тогда как сходство между вторым, третьим, третьим и четвертым изображениями почти все меньше или равно 0,1..

способ мышления

Итак, подумав об этом, я думаю,Суть суждения о том, похожи ли два изображения по цвету, заключается в том, чтобы судить о том, похожи ли формы их распределений гистограмм, и не следует учитывать, являются ли они левыми или правыми, яркими или темными. Одно изображение немного ярче, но они все равно похожи.

Основываясь на этой идее, я сначала жестко уравнял BGR и HLS, три канала независимо друг от друга, чтобы проверить возможность оценки формы распределения. Однако в то же время было установлено, что независимая друг от друга эквализация приводит к снижению разрешающей способности разных изображений. Следовательно, можно сделать вывод, что следуетВыравнивает и выравнивает яркость, сопоставляя изменения, влияющие на другие каналы.

Итак, окончательное решение, которое я придумал, было:

  1. Сначала увеличьте изображение до одинакового размера, чтобы повысить скорость работы.
  2. Перенесите изображение из канала BGR в канал HSV (экспериментально канал HSV лучше, чем канал HLS).
  3. Выравнивание V (яркость) в HSV (equalizeHist).
  4. Затем преобразуйте изображение из канала HSV обратно в канал BGR, чтобы достичь цели воздействия на другие каналы при балансировке яркости..
  5. Наконец, используйте канал BGR для вычисления подобия, и те, которые больше 0,5, могут считаться похожими.

Результаты теста

fileЕго можно найти,После обработки сходство между первыми двумя изображениями и вторыми тремя изображениями составило более 0,7, в то время как сходство между третьими четырьмя изображениями составляет всего около 0,4. Мы достигли нашей цели в начале.

недостаточность

  1. Исследовалась только эквализация канала V, а возможная корреляция других каналов не исследовалась.
  2. Сходство третьей и четвертой картинки после обработки несколько велико, и необходимо найти способ их уменьшить.

код

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt


def create_rgb_hist(image):
    """"创建 RGB 三通道直方图（直方图矩阵）"""
    h, w, c = image.shape
    # 创建一个（16*16*16,1）的初始矩阵，作为直方图矩阵
    # 16*16*16的意思为三通道每通道有16个bins
    rgbhist = np.zeros([16 * 16 * 16, 1], np.float32)
    bsize = 256 / 16
    for row in range(h):
        for col in range(w):
            b = image[row, col, 0]
            g = image[row, col, 1]
            r = image[row, col, 2]
            # 人为构建直方图矩阵的索引，该索引是通过每一个像素点的三通道值进行构建
            index = int(b / bsize) * 16 * 16 + int(g / bsize) * 16 + int(r / bsize)
            # 该处形成的矩阵即为直方图矩阵
            rgbhist[int(index), 0] += 1
    plt.ylim([0, 10000])
    plt.grid(color='r', linestyle='--', linewidth=0.5, alpha=0.3)
    return rgbhist


def hist_compare(hist1, hist2):
    """直方图比较函数"""
    '''# 创建第一幅图的rgb三通道直方图（直方图矩阵）
    hist1 = create_rgb_hist(image1)
    # 创建第二幅图的rgb三通道直方图（直方图矩阵）
    hist2 = create_rgb_hist(image2)'''
    # 进行三种方式的直方图比较
    match1 = cv.compareHist(hist1, hist2, cv.HISTCMP_BHATTACHARYYA)
    match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)
    match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)
    print("巴氏距离：%s, 相关性：%s, 卡方：%s" % (match1, match2, match3))


def handle_img(img):
    img = cv.resize(img, (100, 100))
    img = cv.cvtColor(img, cv.COLOR_BGR2HSV)
    img[:, :, 2] = cv.equalizeHist(img[:, :, 2])
    img = cv.cvtColor(img, cv.COLOR_HSV2BGR)
    return img


img1 = cv.imread("1.jpg")
img1 = handle_img(img1)
cv.imshow("img1", img1)

img2 = cv.imread("2.jpg")
img2 = handle_img(img2)
cv.imshow("img2", img2)

img3 = cv.imread("3.jpg")
img3 = handle_img(img3)
cv.imshow("img3", img3)

img4 = cv.imread("4.jpg")
img4 = handle_img(img4)
cv.imshow("img4", img4)

hist1 = create_rgb_hist(img1)
hist2 = create_rgb_hist(img2)
hist3 = create_rgb_hist(img3)
hist4 = create_rgb_hist(img4)

plt.subplot(1, 4, 1)
plt.title("hist1")
plt.plot(hist1)
plt.subplot(1, 4, 2)
plt.title("hist2")
plt.plot(hist2)
plt.subplot(1, 4, 3)
plt.title("hist3")
plt.plot(hist3)
plt.subplot(1, 4, 4)
plt.title("hist4")
plt.plot(hist4)

hist_compare(hist1, hist2)
hist_compare(hist2, hist3)
hist_compare(hist3, hist4)

plt.show()

cv.waitKey(0)
cv.destroyAllWindows()
Категории