расстояние Вассерштейна на цветовых образцах - PullRequest
Новая
       17

расстояние Вассерштейна на цветовых образцах

0 голосов
/ 28 января 2020

Я пытаюсь рассчитать относительные цветовые расстояния между RGB образцами цветов в моем наборе данных и тремя образцами цветов из моего тестового набора. Таким образом, из цветовых образцов являются numpy массивы с формой 1,6,3, а значения RGB нормализованы. Чтобы сравнить образцы, я конвертирую каждый образец цвета в цветовую гистограмму, используя np.histogram, сглаживая np.flatten() массивы. Наконец, я сравниваю гистограммы друг с другом, используя встроенный метод scipy.stats.wasserstein_distance. Тем не менее, расстояния повторяют друг друга, и все это кажется выключенным. Мне было интересно, если кто-то может дать мне подсказку о том, как подойти к этому. Я думаю, что ошибка заключается в сглаживании массивов, но я не совсем уверен, как еще, я могу конвертировать цвета RGB для сравнения друг с другом.

Test-1.jpg - 1x5px! - https://ibb.co/Fsg7Mkd Test-2.jpg - 1x5px! - https://ibb.co/0jz4Zk1 Test-3.jpg - 1x5px! - https://ibb.co/SB0fhFh 

from scipy.stats import wasserstein_distance as wd
import numpy as np
import cv2


def compute_histogram(image, nr_bins):
    hist = np.histogram(image, bins=nr_bins, range=[0, 255])
    return hist

# data swatches to measure the test swatches against
data_sw = np.array(
                  [[[225, 254, 239],
                   [145, 212, 167],
                   [116, 186, 137],
                   [ 91, 162, 115],
                   [ 72, 143,  98]],

                  [[ 97, 165, 214],
                   [211, 234, 230],
                   [ 61, 195, 182],
                   [ 77,  92,  75],
                   [145, 157, 136]],

                  [[  1,  35, 220],
                   [ 12,  20, 142],
                   [105, 159, 177],
                   [ 11,  85, 130],
                   [ 15,  39,  49]]])


# the test Files stored locally
test_files = ['Test-1',
              'Test-2',
              'Test-3']

# n bins
n_bins_ = 6

# distances from each test file to each swatch
dict_distances = {}

#computation of distances
for tst_name in test_files:

    # load testfile locally
    tst_fl = cv2.imread(tst_name+'.jpg')[0]

    # store distances temporarily
    temp_dist = {}

    # loop over the data swatches to compare test swatches to
    for i,d_sw in enumerate(list(data_sw)):

        # make 1-D
        curr_testsw = tst_fl.tolist()
        curr_datasw = d_sw.tolist()

        #create histogram
        test_hist = compute_histogram(curr_testsw, n_bins_)[0]
        data_hist = compute_histogram(curr_datasw, n_bins_)[0]

        #calculate the distance between histograms
        distance = wd(test_hist, data_hist)

        # put into temp dict using the indices of data as keys
        temp_dist[i] = distance


    dict_distances[tst_name] = temp_dist

print(dict_distances)

Спасибо!

...