快捷導(dǎo)航

python實(shí)現(xiàn)識別相似圖片小結(jié)

更新時間：2016年02月22日 08:53:47 投稿：hebedich

本文給大家分享的是使用Python實(shí)現(xiàn)圖片相似度識別的總結(jié)，代碼實(shí)用pil模塊比較兩個圖片的相似度，根據(jù)實(shí)際實(shí)用，代碼雖短但效果不錯，還是非?？孔V的。

文章簡介

在網(wǎng)上看到python做圖像識別的相關(guān)文章后，真心感覺python的功能實(shí)在太強(qiáng)大，因此將這些文章總結(jié)一下，建立一下自己的知識體系。
當(dāng)然了，圖像識別這個話題作為計算機(jī)科學(xué)的一個分支，不可能就在本文簡單幾句就說清，所以本文只作基本算法的科普向。

如有錯誤，請多包涵和多多指教。

參考的文章和圖片來源會在底部一一列出。

以及本篇文章所用的代碼都會在底下給出github地址。

安裝相關(guān)庫

python用作圖像處理的相關(guān)庫主要有openCV(C++編寫，提供了python語言的接口)，PIL,但由于PIL很早就停了，所以不支持python3.x,所以建議使用基于PIL的pillow,本文也是在python3.4和pillow的環(huán)境下進(jìn)行實(shí)驗(yàn)。

pillow下載地址
 PIL的下載地址
 openCV的官網(wǎng)

至于opencv，在做人臉識別的時候會用到，但本文不會涉及到，在本專欄的后續(xù)中會談及openCV的人臉識別和基于此的python圖片爬蟲，有興趣的朋友可以關(guān)注本專欄。

相關(guān)背景

要識別兩張相似圖像，我們從感性上來談是怎么樣的一個過程？首先我們會區(qū)分這兩張相片的類型，例如是風(fēng)景照，還是人物照。風(fēng)景照中，是沙漠還是海洋，人物照中，兩個人是不是都是國字臉，還是瓜子臉（還是倒瓜子臉……哈哈……）。

那么從機(jī)器的角度來說也是這樣的，先識別圖像的特征，然后再相比。

很顯然，在沒有經(jīng)過訓(xùn)練的計算機(jī)(即建立模型)，那么計算機(jī)很難區(qū)分什么是海洋，什么是沙漠。但是計算機(jī)很容易識別到圖像的像素值。

因此，在圖像識別中，顏色特征是最為常用的。（其余常用的特征還有紋理特征、形狀特征和空間關(guān)系特征等）

其中又分為

直方圖
顏色集
顏色矩
聚合向量
相關(guān)圖

直方圖計算法

這里先用直方圖進(jìn)行簡單講述。

先借用一下戀花蝶的圖片，

從肉眼來看，這兩張圖片大概也有八成是相似的了。

在python中可以依靠Image對象的histogram()方法獲取其直方圖數(shù)據(jù)，但這個方法返回的結(jié)果是一個列表，如果想得到下圖可視化數(shù)據(jù)，需要另外使用 matplotlib，這里因?yàn)橹饕榻B算法思路，matplotlib的使用這里不做介紹。

是的，我們可以明顯的發(fā)現(xiàn)，兩張圖片的直方圖是近似重合的。所以利用直方圖判斷兩張圖片的是否相似的方法就是，計算其直方圖的重合程度即可。

計算方法如下：

其中g(shù)i和si是分別指兩條曲線的第i個點(diǎn)。

最后計算得出的結(jié)果就是就是其相似程度。

不過，這種方法有一個明顯的弱點(diǎn)，就是他是按照顏色的全局分布來看的，無法描述顏色的局部分布和色彩所處的位置。

也就是假如一張圖片以藍(lán)色為主，內(nèi)容是一片藍(lán)天，而另外一張圖片也是藍(lán)色為主，但是內(nèi)容卻是妹子穿了藍(lán)色裙子，那么這個算法也很可能認(rèn)為這兩張圖片的相似的。

緩解這個弱點(diǎn)有一個方法就是利用Image的crop方法把圖片等分，然后再分別計算其相似度，最后綜合考慮。

圖像指紋與漢明距離

在介紹下面其他判別相似度的方法前，先補(bǔ)充一些概念。第一個就是圖像指紋

圖像指紋和人的指紋一樣，是身份的象征，而圖像指紋簡單點(diǎn)來講，就是將圖像按照一定的哈希算法，經(jīng)過運(yùn)算后得出的一組二進(jìn)制數(shù)字。

說到這里，就可以順帶引出漢明距離的概念了。

假如一組二進(jìn)制數(shù)據(jù)為101，另外一組為111，那么顯然把第一組的第二位數(shù)據(jù)0改成1就可以變成第二組數(shù)據(jù)111，所以兩組數(shù)據(jù)的漢明距離就為1

簡單點(diǎn)說，漢明距離就是一組二進(jìn)制數(shù)據(jù)變成另一組數(shù)據(jù)所需的步驟數(shù)，顯然，這個數(shù)值可以衡量兩張圖片的差異，漢明距離越小，則代表相似度越高。漢明距離為0，即代表兩張圖片完全一樣。

如何計算得到漢明距離，情況下面三種哈希算法

平均哈希法(aHash)

此算法是基于比較灰度圖每個像素與平均值來實(shí)現(xiàn)的

一般步驟

1.縮放圖片，可利用Image對象的resize(size)改變，一般大小為8*8，64個像素值。
2.轉(zhuǎn)化為灰度圖
轉(zhuǎn)灰度圖的算法。
1.浮點(diǎn)算法：Gray=Rx0.3+Gx0.59+Bx0.11
2.整數(shù)方法：Gray=(Rx30+Gx59+Bx11)/100
3.移位方法：Gray =(Rx76+Gx151+Bx28)>>8;
4.平均值法：Gray=（R+G+B）/3;
5.僅取綠色：Gray=G；

在python中，可用Image的對象的方法convert('L')直接轉(zhuǎn)換為灰度圖

3.計算平均值：計算進(jìn)行灰度處理后圖片的所有像素點(diǎn)的平均值。
4.比較像素灰度值：遍歷灰度圖片每一個像素，如果大于平均值記錄為1，否則為0.
5.得到信息指紋：組合64個bit位，順序隨意保持一致性。
最后比對兩張圖片的指紋，獲得漢明距離即可。

感知哈希算法(pHash)

平均哈希算法過于嚴(yán)格，不夠精確，更適合搜索縮略圖，為了獲得更精確的結(jié)果可以選擇感知哈希算法，它采用的是DCT（離散余弦變換）來降低頻率的方法

一般步驟：