我有两个不同的图像:
在 100 像素中使用 或 400 像素
和
宽度为 100 像素 或 400 像素
如您所见,从人类的角度来看,两者显然是“相同的”。现在我想以编程方式检测它们是否相同。我一直在通过名为 rmagick
的 ruby gem 使用图像魔法。像这样:
img1 = Magick::Image.from_blob(File.read("image_1.jpeg")).first
img2 = Magick::Image.from_blob(File.read("image_2.jpeg")).first
if img1.difference(img2).first < 4000.0 # I have found this to be a good threshold, but does not work for cropped images
puts "they are the same!!!"
end
虽然这适用于具有相同比例/裁剪的图像,但当它们具有略微不同的裁剪并且已调整为相同宽度时,它并不理想。
有没有办法对不同裁剪的图像进行处理?我对一个解决方案感兴趣,我可以这样说:一个图像包含在另一个图像中,并覆盖了周围的某个地方,例如其中 90%。
PS。如果有帮助,我可以获得更高分辨率的图像(例如 double )
最佳答案
你可能想看看特征匹配。这个想法是在两个图像中找到特征并匹配它们。此方法通常用于在另一个图像中查找模板(例如 Logo )。本质上,特征可以描述为人类会在图像中发现有趣的事物,例如角落或开放空间。有许多类型的特征检测技术,但我的建议是使用尺度不变特征变换 (SIFT) 作为特征检测算法。 SIFT 对图像平移、缩放、旋转具有不变性,对光照变化部分不变,对局部几何失真具有鲁棒性。这似乎符合您的规范,其中图像的比例可能略有不同。
鉴于您提供的两个图像,这里尝试使用 FLANN feature matcher 匹配特征.为了确定这两个图像是否相同,我们可以基于某个预定阈值来确定通过 Distinctive Image Features from Scale-Invariant Keypoints by David G. Lowe 中描述的比率测试的匹配数量。 .对测试的一个简单解释是,比率测试检查匹配是否不明确并且应该被删除,您可以将其视为异常值删除技术。我们可以计算通过此测试的匹配数,以确定两个图像是否相同。以下是特征匹配结果:
Matches: 42
点代表检测到的所有匹配,而绿线代表通过比率测试的“良好匹配”。如果您不使用比率测试,则将绘制所有点。这样,您可以将此过滤器用作阈值,以仅保留最佳匹配的特征。
我用 Python 实现了它,我对 Rails 不是很熟悉。希望这有帮助,祝你好运!
代码
import numpy as np
import cv2
# Load images
image1 = cv2.imread('1.jpg', 0)
image2 = cv2.imread('2.jpg', 0)
# Create the sift object
sift = cv2.xfeatures2d.SIFT_create(700)
# Find keypoints and descriptors directly
kp1, des1 = sift.detectAndCompute(image2, None)
kp2, des2 = sift.detectAndCompute(image1, None)
# FLANN parameters
FLANN_INDEX_KDTREE = 1
index_params = dict(algorithm = FLANN_INDEX_KDTREE, trees = 5)
search_params = dict(checks=50) # or pass empty dictionary
flann = cv2.FlannBasedMatcher(index_params,search_params)
matches = flann.knnMatch(des1,des2,k=2)
# Need to draw only good matches, so create a mask
matchesMask = [[0,0] for i in range(len(matches))]
count = 0
# Ratio test as per Lowe's paper (0.7)
# Modify to change threshold
for i,(m,n) in enumerate(matches):
if m.distance < 0.15*n.distance:
count += 1
matchesMask[i]=[1,0]
# Draw lines
draw_params = dict(matchColor = (0,255,0),
# singlePointColor = (255,0,0),
matchesMask = matchesMask,
flags = 0)
# Display the matches
result = cv2.drawMatchesKnn(image2,kp1,image1,kp2,matches,None,**draw_params)
print('Matches:', count)
cv2.imshow('result', result)
cv2.waitKey()
关于ruby - 即使一张图像的裁剪/比例略有不同,我如何检测到两张图像是 "the same"?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/60002747/