Сравнение изображений - быстрый алгоритм

Question

Я хочу создать базовую таблицу изображений, а затем сравнить с ней все новые изображения, чтобы определить, является ли новое изображение точной (или близкой) копией базы.

Например: если вы хотите сократить объем хранения одного и того же изображения в 100 раз, вы можете сохранить одну его копию и предоставить ссылки на нее. Когда вводится новое изображение, вы хотите сравнить его с существующим изображением, чтобы убедиться, что оно не является дубликатом ... идеи?

Одна из моих идей заключалась в том, чтобы уменьшить размер миниатюры, а затем случайным образом выбрать 100 пикселей и сравнить их.

Answer 1

Ниже приведены три подхода к решению этой проблемы (и есть много других).

• Первый - это стандартный подход в компьютерном зрении, подбор ключевых точек. Это может потребовать некоторых базовых знаний для реализации и может быть медленным.

• Второй метод использует только элементарную обработку изображений и потенциально быстрее, чем первый, и прост в реализации. Однако, что он приобретает в понятности, ему не хватает надежности - сопоставление не выполняется на масштабированных, повернутых или обесцвеченных изображениях.

• Третий метод является быстрым и надежным, но потенциально труднее всего его реализовать.

Соответствие ключевой точки

Лучше, чем набрать 100 случайных очков, набрать 100 важных очков. Некоторые части изображения содержат больше информации, чем другие (особенно на краях и углах), и именно эти вы хотите использовать для интеллектуального сопоставления изображений. Google " извлечение ключевых точек " и " сопоставление ключевых точек ", и вы найдете довольно много научных работ по этому вопросу. В наши дни, ключевые точки SIFT являются, пожалуй, самыми популярными, поскольку они могут сопоставлять изображения в различных масштабах, поворотах и ​​освещении. Некоторые реализации SIFT можно найти здесь .

Одним недостатком сопоставления ключевых точек является время выполнения наивной реализации: O (n ^ 2m), где n - количество ключевых точек в каждом изображении, а m - количество изображений в базе данных. Некоторые умные алгоритмы могут находить ближайшее совпадение быстрее, например, квадродерево или разбиение двоичного пространства.

---

Альтернативное решение: метод гистограммы

Другим менее надежным, но потенциально более быстрым решением является построение гистограмм объектов для каждого изображения и выбор изображения с гистограммой, ближайшей к гистограмме входного изображения. Я реализовал это как старшекурсник, и мы использовали 3 цветовые гистограммы (красная, зеленая и синяя) и две текстурные гистограммы, направление и масштаб. Я приведу подробности ниже, но я должен отметить, что это хорошо работает только для сопоставления изображений, ОЧЕНЬ похожих на изображения базы данных. Повторно масштабированные, повернутые или обесцвеченные изображения могут потерпеть неудачу с этим методом, но небольшие изменения, такие как обрезка, не нарушат алгоритм

Вычислить цветовые гистограммы несложно - просто выберите диапазон для ваших блоков гистограммы и для каждого диапазона подсчитайте количество пикселей с цветом в этом диапазоне. Например, рассмотрим «зеленую» гистограмму и предположим, что мы выбрали 4 сегмента для нашей гистограммы: 0-63, 64-127, 128-191 и 192-255. Затем для каждого пикселя мы смотрим на значение зеленого и добавляем подсчет в соответствующий сегмент. Когда мы закончим подсчет, мы делим каждое общее количество сегментов на количество пикселей во всем изображении, чтобы получить нормализованную гистограмму для зеленого канала.

Для гистограммы направления текстуры мы начали с определения края изображения. Каждая точка ребра имеет нормальный вектор, указывающий в направлении, перпендикулярном ребру. Мы квантовали угол вектора нормали в одно из 6 сегментов между 0 и PI (поскольку ребра имеют 180-градусную симметрию, мы преобразовали углы между -PI и 0, чтобы они были между 0 и PI). После подсчета количества краевых точек в каждом направлении мы имеем ненормализованную гистограмму, представляющую направление текстуры, которую мы нормализовали путем деления каждого сегмента на общее количество краевых точек в изображении.

Чтобы вычислить гистограмму масштаба текстуры, для каждой точки края мы измерили расстояние до следующей ближайшей точки края в том же направлении. Например, если точка края A имеет направление 45 градусов, алгоритм идет в этом направлении, пока не найдет другую точку края с направлением 45 градусов (или в пределах разумного отклонения). После вычисления этого расстояния для каждой граничной точки мы сбрасываем эти значения в гистограмму и нормализуем ее путем деления на общее количество краевых точек.

Теперь у вас есть 5 гистограмм для каждого изображения. Чтобы сравнить два изображения, вы берете абсолютное значение разности между каждым сегментом гистограммы, а затем суммируете эти значения. Например, для сравнения изображений A и B мы бы вычислили

|A.green_histogram.bucket_1 - B.green_histogram.bucket_1| 

для каждого сегмента в зеленой гистограмме, и повторите для других гистограмм, а затем суммируйте все результаты. Чем меньше результат, тем лучше матч. Повторите для всех изображений в базе данных, и победит совпадение с наименьшим результатом. Возможно, вы захотите иметь порог, выше которого алгоритм приходит к выводу, что совпадение не найдено.

---

Третий выбор - ключевые точки + деревья решений

Третий подход, который, вероятно, намного быстрее, чем два других, использует семантические лесные фононы (PDF). Это включает в себя извлечение простых ключевых точек и использование деревьев решений коллекции для классификации изображения. Это быстрее, чем простое сопоставление ключевых точек SIFT, поскольку позволяет избежать дорогостоящего процесса сопоставления, а ключевые точки намного проще, чем SIFT, поэтому извлечение ключевых точек происходит намного быстрее. Тем не менее, он сохраняет неизменность метода SIFT для вращения, масштабирования и освещения, что является важной особенностью, которой не хватало в методе гистограммы.

Обновление

Моя ошибка - статья Semantic Texton Forests не связана с сопоставлением изображений, а скорее с маркировкой региона. Вот такая оригинальная статья: Распознавание ключевых точек с использованием рандомизированных деревьев . Кроме того, документы ниже продолжают развивать идеи и представляют современное состояние (c. 2010):

• Быстрое распознавание ключевых точек с использованием случайных папоротников - быстрее и более масштабируемо, чем Lepetit 06
• КРАТКОЕ ОПИСАНИЕ: бинарные надежные независимые элементарные функции - менее надежные, но очень быстрые - я думаю, что цель здесь - сопоставление в реальном времени на смартфонах и других портативных устройствах

Answer 2

Лучший метод, который я знаю, это использовать перцептивный хэш. Кажется, есть хорошая реализация такого хэша с открытым исходным кодом, доступная по адресу:

http://phash.org/

Основная идея заключается в том, что каждое изображение сокращается до небольшого хэш-кода или «отпечатка пальца» путем определения характерных особенностей в исходном файле изображения и хеширования компактного представления этих функций (вместо непосредственного хеширования данных изображения). Это означает, что частота ложных срабатываний значительно снижается при упрощенном подходе, таком как уменьшение изображений до изображения размером с крошечный отпечаток и сравнение отпечатков пальцев.

phash предлагает несколько типов хэшей и может использоваться для изображений, аудио или видео.

Answer 3

Этот пост был отправной точкой моего решения, здесь было много хороших идей, поэтому я хотел бы поделиться своими результатами. Основная идея заключается в том, что я нашел способ обойти медленность сопоставления изображений на основе ключевых точек, используя скорость phash.

Для общего решения лучше всего использовать несколько стратегий. Каждый алгоритм лучше всего подходит для определенных типов преобразований изображений, и вы можете воспользоваться этим.

Вверху самые быстрые алгоритмы; внизу самый медленный (хотя и более точный). Вы можете пропустить медленные, если хорошее совпадение найдено на более быстром уровне.

• на основе файлового хэша (md5, sha1 и т. Д.) Для точных дубликатов
• перцептивное хэширование (phash) для перемасштабированных изображений
• на основе признаков (SIFT) для измененных изображений

У меня очень хорошие результаты с phash. Точность хороша для измененных изображений. Это не подходит для (воспринимаемых) модифицированных изображений (обрезанных, повернутых, зеркальных и т. Д.). Чтобы справиться со скоростью хэширования, мы должны использовать дисковый кеш / базу данных для поддержки хэшей для стога сена.

Действительно хорошая вещь в phash заключается в том, что после создания вашей хеш-базы данных (которая для меня составляет около 1000 изображений в секунду), поиск может быть очень и очень быстрым, особенно когда вы можете хранить всю хеш-базу данных в памяти. , Это довольно практично, поскольку хеш составляет всего 8 байтов.

Например, если у вас есть 1 миллион изображений, потребуется массив из 1 миллиона 64-битных значений хеш-функции (8 МБ). На некоторых процессорах это помещается в кэш L2 / L3! В практическом использовании я видел сравнение corei7 со скоростью более 1 Гига-хамм / с, это только вопрос пропускной способности памяти для процессора. База данных с 1 миллиардом изображений полезна для 64-разрядного процессора (требуется 8 ГБ ОЗУ), а поиск не будет превышать 1 секунды!

Для модифицированных / обрезанных изображений может показаться, что инвариантный к трансформации объект / детектор ключевых точек, такой как SIFT, является подходящим вариантом. SIFT будет производить хорошие ключевые точки, которые будут обнаруживать кадрирование / поворот / зеркальное отражение и т. Д. Однако сравнение дескриптора очень медленное по сравнению с расстоянием Хэмминга, используемым phash. Это серьезное ограничение. Необходимо выполнить множество сравнений, так как максимальное количество дескрипторов IxJxK сравнивается с поиском одного изображения (I = количество изображений стога сена, J = целевые ключевые точки на изображение сена, K = целевые ключевые точки на изображение иглы).

Чтобы обойти проблему скорости, я попытался использовать phash вокруг каждой найденной ключевой точки, используя размер / радиус элемента для определения под прямоугольника. Хитрость в том, чтобы заставить это работать хорошо, состоит в том, чтобы увеличить / уменьшить радиус, чтобы генерировать различные подчиненные уровни (на изображении иглы). Обычно первый уровень (немасштабированный) будет соответствовать, однако часто требуется еще несколько. Я не уверен на 100%, почему это работает, но я могу представить, что это позволяет функциям, которые слишком малы для работы phash (phash масштабирует изображения до 32x32).

Другая проблема заключается в том, что SIFT не будет оптимально распределять ключевые точки. Если есть участок изображения с большим количеством краев, ключевые точки будут сгруппированы там, и вы не получите ничего в другой области. Я использую GridAdaptedFeatureDetector в OpenCV для улучшения распределения. Не уверен, какой размер сетки лучше, я использую маленькую сетку (1x3 или 3x1 в зависимости от ориентации изображения).

Вы, вероятно, хотите масштабировать все изображения стога сена (и иголки) до меньшего размера до обнаружения объекта (я использую 210px вдоль максимального размера). Это уменьшит шум на изображении (всегда проблема для алгоритмов компьютерного зрения), а также сфокусирует детектор на более заметных особенностях.

Для изображений людей вы можете попробовать распознавание лиц и использовать его, чтобы определить размер изображения для масштабирования и размер сетки (например, самое большое лицо, масштабированное до 100 пикселей). Детектор функций учитывает несколько уровней масштаба (используя пирамиды), но существует ограничение на количество уровней, которые он будет использовать (это, конечно, настраивается).

Детектор ключевых точек, вероятно, работает лучше всего, когда он возвращает меньше, чем количество функций, которые вы хотели. Например, если вы просите 400 и получаете 300 обратно, это хорошо. Если вы каждый раз получаете 400 обратно, вероятно, некоторые хорошие функции нужно было упустить.

Изображение иглы может иметь меньше ключевых точек, чем изображения стога сена, и при этом получать хорошие результаты. Добавление большего количества данных не обязательно принесет вам огромный выигрыш, например, при J = 400 и K = 40 мой коэффициент попадания составляет около 92%. При J = 400 и K = 400 частота попаданий увеличивается только до 96%.

Мы можем использовать предельную скорость функции Хэмминга для решения задач масштабирования, вращения, зеркального отображения и т. Д. Можно использовать метод многократного прохода. На каждой итерации преобразуйте вложенные прямоугольники, повторите хэш и снова запустите функцию поиска.

Answer 4

У меня есть идея, которая может работать и, скорее всего, будет очень быстрой. Вы можете создать образец изображения с разрешением 80x60 или сопоставимым, и преобразовать его в оттенки серого (после подвыборки это будет быстрее). Обработайте оба изображения, которые вы хотите сравнить. Затем запустите нормализованную сумму квадратов разностей между двумя изображениями (изображение запроса и каждое из БД), или даже лучше Нормализованная взаимная корреляция, которая дает ответ ближе к 1, если оба изображения похожи. Тогда, если изображения похожи, вы можете перейти к более сложным методам чтобы убедиться, что это одни и те же изображения. Очевидно, что этот алгоритм является линейным с точки зрения количества изображений в вашей базе данных так что даже на современном оборудовании скорость будет очень высокой - до 10000 изображений в секунду. Если вам нужна инвариантность к вращению, то можно вычислить доминирующий градиент для этого небольшого изображения, а затем всю систему координат можно повернуть в каноническую ориентация, тем не менее, будет медленнее. И нет, здесь нет инвариантности к масштабированию.

Если вы хотите что-то более общее или использовать большие базы данных (миллион изображений), тогда вам нужно изучить теорию поиска изображений (за последние 5 лет появилось множество статей). В других ответах есть несколько указателей. Но это может быть излишним, и предложенный гистограммный подход сделает эту работу. Хотя я думаю, что сочетание разных быстрые подходы будут еще лучше.

Answer 5

Как указал Картман, вы можете использовать любой тип хеш-значения для поиска точных дубликатов.

Одной из отправных точек для поиска близких изображений может быть здесь . Это инструмент, используемый компаниями компьютерной графики для проверки того, что обновленные изображения все еще показывают ту же сцену.

Answer 6

Я считаю, что уменьшение размера изображения почти до размера значка, скажем, 48x48, затем преобразование в оттенки серого, с учетом разницы между пикселями или дельтой, должно работать хорошо. Поскольку мы сравниваем изменение цвета пикселя, а не фактический цвет пикселя, не имеет значения, будет ли изображение немного светлее или темнее. Значительные изменения будут иметь значение, поскольку пиксели, становящиеся слишком светлыми / темными, будут потеряны. Вы можете применить это к одному ряду или к любым другим, чтобы повысить точность. Самое большее, вы должны сделать 47x47 = 2,209 вычитаний, чтобы сформировать сопоставимый ключ.

Answer 7

Выбор 100 случайных точек может означать, что похожие (или иногда даже разные) изображения будут помечены как одинаковые, что, я полагаю, не то, что вам нужно. Хеши MD5 не будут работать, если изображения были разных форматов (png, jpeg и т. Д.), Имели разные размеры или имели разные метаданные. Хорошим выбором будет сокращение всех изображений до меньшего размера, сравнение по пикселям не должно занимать слишком много времени, если вы используете хорошую библиотеку изображений / быстрый язык, а размер достаточно мал.

Вы можете попробовать сделать их крошечными, тогда, если они одинаковые, проведите другое сравнение с большим размером - может быть хорошим сочетанием скорости и точности ...

Answer 8

Если у вас большое количество изображений, посмотрите на Фильтр Блума , который использует несколько хешей для вероятностного, но эффективного результата. Если количество изображений невелико, то достаточно криптографического хэша, такого как md5.

Answer 9

В моей компании ежемесячно поступает около 24 млн. изображений от производителей. Я искал быстрое решение для того, чтобы изображения, которые мы загружаем в наш каталог, были новыми изображениями.

Я хочу сказать, что я искал в интернете повсюду, чтобы попытаться найти идеальное решение. Я даже разработал свой собственный алгоритм обнаружения краев.
Я оценил скорость и точность нескольких моделей. Мои изображения с белым фоном очень хорошо работают с фишингом. Как сказал redcalx , я рекомендую phash или ahash. НЕ используйте хеширование MD5 или любые другие криптографические хеши. Если только вам не нужны ТОЧНЫЕ совпадения изображений. Любое изменение размера или манипуляция между изображениями приведет к другому хешу.

Для phash / ahash, проверьте это: imagehash

Я хотел расширить пост * redcalx, опубликовав свой код и мою точность.

Что я делаю:

from PIL import Image
from PIL import ImageFilter
import imagehash

img1=Image.open(r"C:\yourlocation")
img2=Image.open(r"C:\yourlocation")
if img1.width<img2.width:
    img2=img2.resize((img1.width,img1.height))
else:
    img1=img1.resize((img2.width,img2.height))
img1=img1.filter(ImageFilter.BoxBlur(radius=3))
img2=img2.filter(ImageFilter.BoxBlur(radius=3))
phashvalue=imagehash.phash(img1)-imagehash.phash(img2)
ahashvalue=imagehash.average_hash(img1)-imagehash.average_hash(img2)
totalaccuracy=phashvalue+ahashvalue

Вот некоторые из моих результатов:

item1  item2  totalaccuracy
desk1  desk2       3
desk2  phone1     22
chair1 desk1      17
phone1 chair1     34

, где элемент представляет фактический объект изображения, а число представляет шкалу ориентации.

Надеюсь, это поможет!