Сравнение изображений - быстрый алгоритм

Я пытаюсь 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.

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 его легко реализовать. 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 его труднее всего реализовать.

Соответствие ключевых точек

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

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

Другое менее надежное, но потенциально более быстрое решение состоит в создании гистограмм объектов для каждого изображения и выборе 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 из 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 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 конвертировали 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). Вычислив это расстояние для каждой граничной точки, мы записываем эти значения в гистограмму и нормализуем ее путем деления на общее количество граничных 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 эти действия 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 текстовые леса (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 оно 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 к вращению, масштабированию и освещению, что является важной особенностью, которой не хватало в методе гистограммы.

Обновление :

Моя ошибка - статья Semantic Texton Forests не связана с подбором изображений, а скорее с маркировкой региона. Вот оригинальная статья, которая выполняет сопоставление: 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

Лучший из известных мне методов - это использовать перцептивный хэш. Кажется, есть хорошая реализация такого хеша 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» за счет определения характерных признаков в исходном файле изображения и хэширования компактного представления этих функций (вместо непосредственного хеширования данных изображения). Это означает, что уровень ложных срабатываний значительно уменьшается по сравнению с упрощенным подходом, таким как уменьшение изображений до изображения размером с крошечный отпечаток и сравнение отпечатков.

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

Этот пост послужил 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 фашинга.

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

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

• основанный на хэше файла (md5, sha1 и т. д.) для точных дубликатов
• перцептивное хэширование (phash) для измененных 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.

Что действительно хорошо в phash, так это то, 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, для этого потребуется массив из 1 миллиона 64-битных хеш-значений (8 МБ). На некоторых процессорах это помещается в кэш L2 / L3! В практическом использовании я видел сравнение Corei7 со скоростью более 1 Гига-мм / сек, это только вопрос пропускной способности памяти для процессора. База данных с 1 миллиардом изображений практична на 64-битном процессоре (требуется 8 ГБ ОЗУ), и поиск не будет превышать 1 секунды!

Для измененных / обрезанных изображений может показаться, что инвариантный к трансформации объект / детектор ключевых точек, такой как SIFT, - это то, что нужно. SIFT создаст 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. Существует много сравнений, поскольку максимальное количество дескрипторов IxJxK сравнивается с одним изображением (I = num haystack images, J = целевые ключевые точки на изображение haystack, 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 стрелки). 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).

Возможно, вы захотите масштабировать все изображения стога сена (и иголки) до меньшего размера перед обнаружением объектов (я использую 210px вдоль максимального размера). Это уменьшит шум на изображении (всегда проблема для алгоритмов компьютерного зрения), а также сосредоточит 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 (с использованием пирамид), но есть 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 получаете 400 обратно каждый раз, вероятно, некоторые хорошие функции должны были быть пропущены.

Изображение иглы может иметь меньше ключевых точек, чем изображения стога сена, и при этом получать хорошие результаты. Добавление большего количества данных не обязательно приносит вам огромный выигрыш, например, при J = 400 и K = 40 мой показатель 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 многоходовую технику. На каждой итерации преобразуйте вложенные прямоугольники, повторите хэш и снова запустите функцию поиска.

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

Одна отправная точка 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.

У меня есть идея, которая может работать, и она, скорее всего, будет очень быстрой. Вы можете выполнить выборку изображения с разрешением 80x60 или сравнимым с ним и преобразовать его в шкалу серого (после выборки 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, что еще лучше, нормализованную взаимную корреляцию, которая дает ответ ближе к 1, если оба изображения похожи. Затем, если изображения похожи, вы можете перейти к более сложным методам, чтобы убедиться, что это те же изображения. Очевидно, что этот алгоритм является линейным с точки зрения количества изображений в вашей базе данных, поэтому даже при использовании современного оборудования он будет очень быстрым - до 10000 изображений в секунду. Если вам нужна инвариантность к вращению, то для этого небольшого изображения можно вычислить доминирующий градиент, и тогда вся система координат может быть повернута в каноническую ориентацию, хотя это будет медленнее. И нет, здесь нет неизменности для масштабирования.

Если вы хотите что-то более общее или использовать большие базы данных (миллион изображений), то вам нужно взглянуть на теорию извлечения 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 множества разных быстрых подходов будет еще лучше.

В мою компанию ежемесячно поступает около 24 миллионов изображений от производителей. Я искал быстрое решение, чтобы гарантировать, что изображения, которые мы загружаем в наш каталог, являются 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 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  totalsimilarity
desk1  desk1       3
desk1  phone1     22
chair1 desk1      17
phone1 chair1     34

Надеюсь это поможет!

Я полагаю, что уменьшение размера изображения до размера почти иконки, скажем, 48x48, затем преобразование в оттенки серого, а затем с учетом разницы между пикселями или Delta, 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.

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, выполните другое сравнение с большим размером - может быть хорошее сочетание скорости и точности ...

Если у вас есть 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.