图像处理 – 简单快速的方法来比较图像的相似性

发布时间：2020-12-14 03:11:56 所属栏目：大数据来源：网络整理

导读：我需要一个简单和快速的方法来比较两个图像的相似性。也就是说我想得到一个高价值，如果他们包含完全相同的事情，但可能有一些略有不同的背景，可以移动/调整大小几个像素。 (更具体的，如果这很重要：一张图片是一个图标，另一张图片是屏幕截图的子区域，我

我需要一个简单和快速的方法来比较两个图像的相似性。也就是说我想得到一个高价值，如果他们包含完全相同的事情，但可能有一些略有不同的背景，可以移动/调整大小几个像素。

(更具体的，如果这很重要：一张图片是一个图标，另一张图片是屏幕截图的子区域，我想知道该子区域是否是图标。)

我手头有OpenCV，但我还是不习惯它。

我想到了一个可能性：将两张图片分割成10×10个单元格，然后对每100个单元格，比较颜色直方图。然后我可以设置一些补偿阈值，如果我获得的值高于该阈值，我假设他们是相似的。

我没有尝试它，但有多好，但工作，但我想这将是足够好。图像已经非常相似(在我的用例)，所以我可以使用一个相当高的阈值。

我想有几十个其他可能的解决方案，这将工作或多或少(因为任务本身很简单，因为我只想检测相似性，如果他们真的非常相似)。你会建议什么？

关于从图像获得签名/指纹/散列，有几个非常相关/类似的问题：

> OpenCV / SURF How to generate a image hash / fingerprint / signature out of the descriptors?
> Image fingerprint to compare similarity of many images
> Near-Duplicate Image Detection
> OpenCV: Fingerprint Image and Compare Against Database。

此外，我偶然发现了具有这样的功能的这些实现，以获得指纹：

> pHash
> imgSeek(GitHub repo)(GPL)，基于论文Fast Multiresolution Image Querying
> image-match.非常类似于我正在寻找。类似于pHash，基于An image signature for any kind of image,Goldberg et al.使用Python和Elasticsearch。

有点离题：存在许多方法来创建音频指纹。 MusicBrainz，一个网页服务，提供基于指纹的查找歌曲，有一个good overview in their wiki.他们现在使用AcoustID。这是为了找到精确(或大部分精确)匹配。为了找到类似的匹配(或者如果你只有一些片段或高噪声)，看看Echoprint.一个相关的SO问题是here.所以看起来像这是解决音频。所有这些解决方案工作相当不错。

关于模糊搜索的一个更通用的问题一般是here。有locality-sensitive hashing和nearest neighbor search。

解决方法

可以对屏幕截图或图标进行转换(缩放，旋转，倾斜…)？有很多方法在我的头上，可能可以帮助你：

>简单的欧氏距离，如@carlosdc(不适用于转换的图像，你需要一个阈值)。
> (Normalized) Cross Correlation – 一个简单的指标，可用于比较图像区域。它比简单的欧几里德距离更强大，但不适用于转换的图像，你将再次需要一个阈值。
>直方图比较 – 如果使用归一化直方图，此方法工作得很好，不受仿射变换的影响。问题是确定正确的阈值。它也对颜色变化(亮度，对比度等)非常敏感。您可以将其与前两个。
>显着点/区域的检测器 – 例如MSER (Maximally Stable Extremal Regions)，SURF或SIFT.这些是非常鲁棒的算法，它们对于简单任务可能太复杂。好东西是，你不必有一个确切的区域只有一个图标，这些探测器足够强大，找到正确的匹配。这些方法的一个不错的评估是在本文：Local invariant feature detectors: a survey。

其中大多数已经在OpenCV中实现 – 参见例如cvMatchTemplate方法(使用直方图匹配)：http://dasl.mem.drexel.edu/~noahKuntz/openCVTut6.html.也可以使用跳跃点/区域检测器 – 参见OpenCV Feature Detection。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!