Algoritmo para encontrar imágenes similares

pHash puede interesarle.

hash perceptivo n. una huella dactilar de un archivo de audio, video o imagen que se basa matemáticamente en el contenido de audio o visual que contiene. A diferencia de las funciones criptográficas de hash que se basan en el efecto de avalancha de pequeños cambios en la entrada que conducen a cambios drásticos en la salida, los hashes perceptivos son "cercanos" entre sí si las entradas son visualmente o auditivamente similares.

He usado TAMIZAR para volver a detectar el mismo objeto en diferentes imágenes. Es realmente poderoso, pero bastante complejo, y podría ser una exageración. Si se supone que las imágenes son bastante similares, algunos parámetros simples basados ​​en la diferencia entre las dos imágenes pueden decirle bastante. Algunos punteros:

• Normalice las imágenes, es decir, haga que el brillo promedio de ambas imágenes sea el mismo, calculando el brillo promedio de ambas y reduciendo el brillo de acuerdo con la ración (para evitar el recorte en el nivel más alto), especialmente si está más interesado en la forma que en color.
• Suma de la diferencia de color sobre la imagen normalizada por canal.
• encuentre bordes en las imágenes y mida la distancia entre los píxeles del borde en ambas imágenes. (para la forma)
• Divida las imágenes en un conjunto de regiones discretas y compare el color promedio de cada región.
• Coloque el umbral de las imágenes en uno (o un conjunto de) niveles y cuente el número de píxeles en los que las imágenes en blanco y negro resultantes difieran.

Podría usar Diferencia de imagen perceptiva

Es una utilidad de línea de comandos que compara dos imágenes usando una métrica perceptiva. Es decir, utiliza un modelo computacional del sistema visual humano para determinar si dos imágenes son visualmente diferentes, por lo que se ignoran los cambios menores en los píxeles. Además, reduce drásticamente el número de falsos positivos causados ​​por las diferencias en la generación de números aleatorios, el sistema operativo o las diferencias en la arquitectura de la máquina.

¡Es un problema difícil! Depende de la precisión que tenga que ser y del tipo de imágenes con las que esté trabajando. Puede usar histogramas para comparar colores, pero eso obviamente no tiene en cuenta la distribución espacial de esos colores dentro de las imágenes (es decir, las formas). La detección de bordes seguida de algún tipo de segmentación (es decir, seleccionar las formas) puede proporcionar un patrón para hacer coincidir contra otra imagen. Puede usar matrices de coocurencia para comparar texturas, considerando las imágenes como matrices de valores de píxeles y comparando esas matrices. Hay algunos libros buenos sobre concordancia de imágenes y visión artificial. Una búsqueda en Amazon los encontrará.

¡Espero que esto ayude!

Mi laboratorio necesitaba resolver este problema también, y usamos Tensorflow. Aquí hay una implementación de la aplicación completa para visualizar la similitud de la imagen.

Para obtener un tutorial sobre vectorización de imágenes para el cálculo de similitud, consulte esta página . Aquí está el Python (nuevamente, vea la publicación para un flujo de trabajo completo):

from __future__ import absolute_import, division, print_function

"""

This is a modification of the classify_images.py
script in Tensorflow. The original script produces
string labels for input images (e.g. you input a picture
of a cat and the script returns the string "cat"); this
modification reads in a directory of images and 
generates a vector representation of the image using
the penultimate layer of neural network weights.

Usage: python classify_images.py "../image_dir/*.jpg"

"""

# Copyright 2015 The TensorFlow Authors. All Rights Reserved.
#
# Licensed under the Apache License, Version 2.0 (the "License");
# you may not use this file except in compliance with the License.
# You may obtain a copy of the License at
#
#     http://www.Apache.org/licenses/LICENSE-2.0
#
# Unless required by applicable law or agreed to in writing, software
# distributed under the License is distributed on an "AS IS" BASIS,
# WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
# See the License for the specific language governing permissions and
# limitations under the License.
# ==============================================================================

"""Simple image classification with Inception.

Run image classification with Inception trained on ImageNet 2012 Challenge data
set.

This program creates a graph from a saved GraphDef protocol buffer,
and runs inference on an input JPEG image. It outputs human readable
strings of the top 5 predictions along with their probabilities.

Change the --image_file argument to any jpg image to compute a
classification of that image.

Please see the tutorial and website for a detailed description of how
to use this script to perform image recognition.

https://tensorflow.org/tutorials/image_recognition/
"""

import os.path
import re
import sys
import tarfile
import glob
import json
import psutil
from collections import defaultdict
import numpy as np
from six.moves import urllib
import tensorflow as tf

FLAGS = tf.app.flags.FLAGS

# classify_image_graph_def.pb:
#   Binary representation of the GraphDef protocol buffer.
# imagenet_synset_to_human_label_map.txt:
#   Map from synset ID to a human readable string.
# imagenet_2012_challenge_label_map_proto.pbtxt:
#   Text representation of a protocol buffer mapping a label to synset ID.
tf.app.flags.DEFINE_string(
    'model_dir', '/tmp/imagenet',
    """Path to classify_image_graph_def.pb, """
    """imagenet_synset_to_human_label_map.txt, and """
    """imagenet_2012_challenge_label_map_proto.pbtxt.""")
tf.app.flags.DEFINE_string('image_file', '',
                           """Absolute path to image file.""")
tf.app.flags.DEFINE_integer('num_top_predictions', 5,
                            """Display this many predictions.""")

# pylint: disable=line-too-long
DATA_URL = 'http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz'
# pylint: enable=line-too-long


class NodeLookup(object):
  """Converts integer node ID's to human readable labels."""

  def __init__(self,
               label_lookup_path=None,
               uid_lookup_path=None):
    if not label_lookup_path:
      label_lookup_path = os.path.join(
          FLAGS.model_dir, 'imagenet_2012_challenge_label_map_proto.pbtxt')
    if not uid_lookup_path:
      uid_lookup_path = os.path.join(
          FLAGS.model_dir, 'imagenet_synset_to_human_label_map.txt')
    self.node_lookup = self.load(label_lookup_path, uid_lookup_path)

  def load(self, label_lookup_path, uid_lookup_path):
    """Loads a human readable English name for each softmax node.

    Args:
      label_lookup_path: string UID to integer node ID.
      uid_lookup_path: string UID to human-readable string.

    Returns:
      dict from integer node ID to human-readable string.
    """
    if not tf.gfile.Exists(uid_lookup_path):
      tf.logging.fatal('File does not exist %s', uid_lookup_path)
    if not tf.gfile.Exists(label_lookup_path):
      tf.logging.fatal('File does not exist %s', label_lookup_path)

    # Loads mapping from string UID to human-readable string
    proto_as_ascii_lines = tf.gfile.GFile(uid_lookup_path).readlines()
    uid_to_human = {}
    p = re.compile(r'[n\d]*[ \S,]*')
    for line in proto_as_ascii_lines:
      parsed_items = p.findall(line)
      uid = parsed_items[0]
      human_string = parsed_items[2]
      uid_to_human[uid] = human_string

    # Loads mapping from string UID to integer node ID.
    node_id_to_uid = {}
    proto_as_ascii = tf.gfile.GFile(label_lookup_path).readlines()
    for line in proto_as_ascii:
      if line.startswith('  target_class:'):
        target_class = int(line.split(': ')[1])
      if line.startswith('  target_class_string:'):
        target_class_string = line.split(': ')[1]
        node_id_to_uid[target_class] = target_class_string[1:-2]

    # Loads the final mapping of integer node ID to human-readable string
    node_id_to_name = {}
    for key, val in node_id_to_uid.items():
      if val not in uid_to_human:
        tf.logging.fatal('Failed to locate: %s', val)
      name = uid_to_human[val]
      node_id_to_name[key] = name

    return node_id_to_name

  def id_to_string(self, node_id):
    if node_id not in self.node_lookup:
      return ''
    return self.node_lookup[node_id]


def create_graph():
  """Creates a graph from saved GraphDef file and returns a saver."""
  # Creates graph from saved graph_def.pb.
  with tf.gfile.FastGFile(os.path.join(
      FLAGS.model_dir, 'classify_image_graph_def.pb'), 'rb') as f:
    graph_def = tf.GraphDef()
    graph_def.ParseFromString(f.read())
    _ = tf.import_graph_def(graph_def, name='')


def run_inference_on_images(image_list, output_dir):
  """Runs inference on an image list.

  Args:
    image_list: a list of images.
    output_dir: the directory in which image vectors will be saved

  Returns:
    image_to_labels: a dictionary with image file keys and predicted
      text label values
  """
  image_to_labels = defaultdict(list)

  create_graph()

  with tf.Session() as sess:
    # Some useful tensors:
    # 'softmax:0': A tensor containing the normalized prediction across
    #   1000 labels.
    # 'pool_3:0': A tensor containing the next-to-last layer containing 2048
    #   float description of the image.
    # 'DecodeJpeg/contents:0': A tensor containing a string providing JPEG
    #   encoding of the image.
    # Runs the softmax tensor by feeding the image_data as input to the graph.
    softmax_tensor = sess.graph.get_tensor_by_name('softmax:0')

    for image_index, image in enumerate(image_list):
      try:
        print("parsing", image_index, image, "\n")
        if not tf.gfile.Exists(image):
          tf.logging.fatal('File does not exist %s', image)

        with tf.gfile.FastGFile(image, 'rb') as f:
          image_data =  f.read()

          predictions = sess.run(softmax_tensor,
                          {'DecodeJpeg/contents:0': image_data})

          predictions = np.squeeze(predictions)

          ###
          # Get penultimate layer weights
          ###

          feature_tensor = sess.graph.get_tensor_by_name('pool_3:0')
          feature_set = sess.run(feature_tensor,
                          {'DecodeJpeg/contents:0': image_data})
          feature_vector = np.squeeze(feature_set)        
          outfile_name = os.path.basename(image) + ".npz"
          out_path = os.path.join(output_dir, outfile_name)
          np.savetxt(out_path, feature_vector, delimiter=',')

          # Creates node ID --> English string lookup.
          node_lookup = NodeLookup()

          top_k = predictions.argsort()[-FLAGS.num_top_predictions:][::-1]
          for node_id in top_k:
            human_string = node_lookup.id_to_string(node_id)
            score = predictions[node_id]
            print("results for", image)
            print('%s (score = %.5f)' % (human_string, score))
            print("\n")

            image_to_labels[image].append(
              {
                "labels": human_string,
                "score": str(score)
              }
            )

        # close the open file handlers
        proc = psutil.Process()
        open_files = proc.open_files()

        for open_file in open_files:
          file_handler = getattr(open_file, "fd")
          os.close(file_handler)
      except:
        print('could not process image index',image_index,'image', image)

  return image_to_labels


def maybe_download_and_extract():
  """Download and extract model tar file."""
  dest_directory = FLAGS.model_dir
  if not os.path.exists(dest_directory):
    os.makedirs(dest_directory)
  filename = DATA_URL.split('/')[-1]
  filepath = os.path.join(dest_directory, filename)
  if not os.path.exists(filepath):
    def _progress(count, block_size, total_size):
      sys.stdout.write('\r>> Downloading %s %.1f%%' % (
          filename, float(count * block_size) / float(total_size) * 100.0))
      sys.stdout.flush()
    filepath, _ = urllib.request.urlretrieve(DATA_URL, filepath, _progress)
    print()
    statinfo = os.stat(filepath)
    print('Succesfully downloaded', filename, statinfo.st_size, 'bytes.')
  tarfile.open(filepath, 'r:gz').extractall(dest_directory)


def main(_):
  maybe_download_and_extract()
  if len(sys.argv) < 2:
    print("please provide a glob path to one or more images, e.g.")
    print("python classify_image_modified.py '../cats/*.jpg'")
    sys.exit()

  else:
    output_dir = "image_vectors"
    if not os.path.exists(output_dir):
      os.makedirs(output_dir)

    images = glob.glob(sys.argv[1])
    image_to_labels = run_inference_on_images(images, output_dir)

    with open("image_to_labels.json", "w") as img_to_labels_out:
      json.dump(image_to_labels, img_to_labels_out)

    print("all done")
if __== '__main__':
  tf.app.run()

Algunas soluciones de software de reconocimiento de imagen en realidad no están basadas puramente en algoritmos, sino que utilizan el concepto de red neuronal . Echa un vistazo a http://en.wikipedia.org/wiki/Artificial_neural_network y concretamente NeuronDotNet que también incluye muestras interesantes: http://neurondotnet.freehostia.com/index.html

Existe una investigación relacionada con el uso de redes neuronales de Kohonen/mapas autoorganizados.

Ambos más sistemas académicos (Google para PicSOM) o menos académicos.
( http://www.generation5.org/content/2004/aiSomPic.asp , (posiblemente no es adecuado para todos los entornos de trabajo )) existen presentaciones.

El cálculo de la suma de los cuadrados de las diferencias de los valores de color de píxeles de una versión drásticamente reducida (por ejemplo: 6x6 píxeles) funciona bien. Las imágenes idénticas producen 0, las imágenes similares producen números pequeños, las imágenes diferentes producen imágenes grandes.

La idea de los otros muchachos de arriba para entrar en YUV primero suena intrigante, mientras que mi idea funciona muy bien, quiero que mis imágenes se calculen como "diferentes" para que produzcan un resultado correcto, incluso desde la perspectiva de un observador ciego de colores.

Esto suena como un problema de visión. Es posible que desee ver el refuerzo adaptativo, así como el algoritmo de extracción de línea de quemaduras. Los conceptos en estos dos deben ayudar a abordar este problema. La detección de bordes es un lugar aún más simple para comenzar si usted es nuevo en los algoritmos de visión, ya que explica los conceptos básicos.

En cuanto a parámetros para la categorización:

• Paleta de colores y ubicación (cálculo de gradiente, histograma de colores)
• Formas contenidas (Ada. Refuerzo/Entrenamiento para detectar formas)

Dependiendo de la cantidad de resultados precisos que necesite, puede simplemente romper las imágenes en n x n bloques de píxeles y analizarlos. Si obtiene resultados diferentes en el primer bloque, no podrá detener el procesamiento, lo que dará como resultado algunas mejoras de rendimiento.

Para analizar los cuadrados puede, por ejemplo, obtener la suma de los valores de color.

Disculpas por unirse tarde en la discusión.

Incluso podemos usar la metodología ORB para detectar puntos de características similares entre dos imágenes. El siguiente enlace da la implementación directa de ORB en python

http://scikit-image.org/docs/dev/auto_examples/plot_orb.html

Incluso openCV tiene implementación directa de ORB. Si tiene más información, siga el artículo de investigación que figura a continuación.

https://www.researchgate.net/publication/292157133_Image_Matching_Using_SIFT_SURF_BRIEF_and_ORB_Performance_Comparison_for_Distorted_Images

Encontré este artículo muy útil explicando cómo funciona:

http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html

Podría realizar algún tipo de estimación de movimiento de coincidencia de bloques entre las dos imágenes y medir la suma global de los residuos y los costos del vector de movimiento (como lo haría una en un codificador de video). Esto compensaría el movimiento; para los puntos de bonificación, realice una estimación de movimiento de transformación afín (compensa los acercamientos y estiramientos y similares). También podrías hacer bloques superpuestos o flujo óptico.

Como primer paso, puedes intentar usar histogramas de color. Sin embargo, realmente necesita reducir su dominio de problema. La coincidencia de imagen genérica es un problema muy difícil.

Hay algunas buenas respuestas en el otro hilo de esto, pero me pregunto si algo que involucre un análisis espectral funcionaría. Es decir, dividir la imagen a su información de fase y amplitud y compararla. Esto puede evitar algunos de los problemas con el cultivo, la transformación y las diferencias de intensidad. De todos modos, eso es solo una especulación, ya que parece ser un problema interesante. Si buscó http://scholar.google.com Estoy seguro de que podría encontrar varios artículos sobre esto.