我有一堆图像(来自 M.C. Escher 收藏)我想整理,所以我想到的第一步是通过比较它们将它们分组(你知道,有些具有不同的分辨率/形状等) .
我写了一个非常残酷的脚本来: * 读取文件 * 计算它们的直方图 * 比较它们
但是对比的质量真的很低,好像有完全不同的文件匹配
看看我到目前为止写了什么:
准备直方图
files_hist = {}
for i, f in enumerate(files):
try:
frame = cv2.imread(f)
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
hist = cv2.calcHist([frame],[0],None,[4096],[0,4096])
cv2.normalize(hist, hist, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)
files_hist[f] = hist
except Exception as e:
print('ERROR:', f, e)
比较直方图
pairs = list(itertools.combinations(files_hist.keys(), 2))
for i, (f1, f2) in enumerate(pairs):
correl = cv2.compareHist(files_hist[f1], files_hist[f2], cv2.HISTCMP_CORREL)
if correl >= 0.999:
print('MATCH:', correl, f1, f2)
现在,例如,我得到了这两个文件的匹配项:
m._c._escher_244_(1933).jpg
和
m._c._escher_208_(1931).jpg
它们的相关性,使用上面的代码,是 0.9996699595530539
(所以它们实际上是相同的 :( )
我做错了什么?我如何改进该代码以避免这种错误匹配?
谢谢!
最佳答案
直方图不是比较图像的好方法,例如,在黑白图像中,如果它们具有相同数量的黑色像素,则直方图将相同,无论图像中的像素分布如何(这就是为什么您提到的图像被归类为几乎相等)。
有更好的方法来量化图像之间的差异,this post提到了一个不错的选择:
- 将两个图像加载为数组 (scipy.misc.imread) 并计算逐个元素(逐个像素)的差异。计算差异的范数。
编辑:
回答一些问题:
I take the zero norm per-pixel is going to be 0.0-1.0 value, with values close to 0.0 meaning "images are the same", correct?
接近 0.0 的值表示像素相同。要将图像作为一个整体进行比较,您需要对所有像素求和。如果总和值接近 0.0,则表示图像几乎相同。
what if the 2 image sizes are different?
这是一个很好的。要计算范数差,图像必须具有相同的大小。我看到了实现这一目标的两种方法:
第一个是将其中一张图片调整为另一张图片的形状,问题是这会导致图片失真。
第二个是用零填充较小的图像,直到大小匹配。
obs:如果对像素范数求和,您将得到一个介于零和图像中像素数之间的值。如果您比较多个图像,这可能会造成混淆。例如,假设您正在比较图像 A 和 B,并且两者的形状均为 50x50(因此,图像具有 2500 像素);接近 2500 的值意味着图像完全不同。现在假设您正在比较图像 C 和 D,并且两者的形状均为 1000x1000,在这种情况下,像 2500 这样的值意味着图像相似。为了解决这个问题,您可以将按像素求和除以图像中的像素数,这将得到介于 0.0 和 1.0 之间的值,0.0 表示图像相同,1.0 表示它们完全不同。
yeah here's the error i received when comparing 2 images with different size
diff = image1 - image2 ValueError: operands could not be broadcast together with shapes (850,534) (663,650)
发生这种情况是因为图像具有不同的形状。调整大小或填充可以避免此错误(如上所述)。
关于python + opencv - 如何正确比较图像(通过直方图)?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55551404/