标注的博客| 安全研究| 渗透测试| APT

首页

利用python进行识别相似图片(一)

作者 olanna 时间 2020-03-17
all

文章简介 在网上看到python做图像识别的相关文章后,真心感觉python的功能实在太强大,因此将这些文章总结一下,建立一下自己的知识体系。当然了,图像识别这个话题作为计算机科学的一个分支,不可能就在本文简单几句就说清,所以本文只作基本算法的科普向。 如有错误,请多包涵和多多指教。 参考的文章和图片来源会在底部一一列出。 以及本篇文章所用的代码都会在底下给出github地址。 安装相关库 python用作图像处理的相关库主要有openCV(C++编写,提供了python语言的接口),PIL,但由于PIL很早就停了,所以不支持python3.x,所以建议使用基于PIL的pillow,本文也是在python3.4和pillow的环境下进行实验。

openCV PIL pillow

pillow下载地址PIL的下载地址openCV的官网 至于opencv,在做人脸识别的时候会用到,但本文不会涉及到,在本专栏的后续中会谈及openCV的人脸识别和基于此的python图片爬虫,有兴趣的朋友可以关注本专栏。 相关背景 要识别两张相似图像,我们从感性上来谈是怎么样的一个过程?首先我们会区分这两张相片的类型,例如是风景照,还是人物照。风景照中,是沙漠还是海洋,人物照中,两个人是不是都是国字脸,还是瓜子脸(还是倒瓜子脸……哈哈……)。 那么从机器的角度来说也是这样的,先识别图像的特征,然后再相比。 很显然,在没有经过训练的计算机(即建立模型),那么计算机很难区分什么是海洋,什么是沙漠。但是计算机很容易识别到图像的像素值。 因此,在图像识别中,颜色特征是最为常用的。(其余常用的特征还有纹理特征、形状特征和空间关系特征等)

颜色特征 纹理特征 形状特征 空间关系特征

其中又分为 直方图 直方图 颜色集 颜色集 颜色矩 颜色矩 聚合向量 聚合向量 相关图 相关图 直方图计算法 这里先用直方图进行简单讲述。 先借用一下恋花蝶的图片,

恋花蝶

从肉眼来看,这两张图片大概也有八成是相似的了。 在python中可以依靠Image对象的histogram()方法获取其直方图数据,但这个方法返回的结果是一个列表,如果想得到下图可视化数据,需要另外使用 matplotlib,这里因为主要介绍算法思路,matplotlib的使用这里不做介绍。

Image histogram() matplotlib matplotlib

是的,我们可以明显的发现,两张图片的直方图是近似重合的。所以利用直方图判断两张图片的是否相似的方法就是,计算其直方图的重合程度即可。 计算方法如下: 其中gi和si是分别指两条曲线的第i个点。 最后计算得出的结果就是就是其相似程度。 不过,这种方法有一个明显的弱点,就是他是按照颜色的全局分布来看的,无法描述颜色的局部分布和色彩所处的位置。 也就是假如一张图片以蓝色为主,内容是一片蓝天,而另外一张图片也是蓝色为主,但是内容却是妹子穿了蓝色裙子,那么这个算法也很可能认为这两张图片的相似的。 缓解这个弱点有一个方法就是利用Image的crop方法把图片等分,然后再分别计算其相似度,最后综合考虑。

Image crop

图像指纹与汉明距离 在介绍下面其他判别相似度的方法前,先补充一些概念。第一个就是图像指纹 图像指纹和人的指纹一样,是身份的象征,而图像指纹简单点来讲,就是将图像按照一定的哈希算法,经过运算后得出的一组二进制数字。 说到这里,就可以顺带引出汉明距离的概念了。 假如一组二进制数据为101,另外一组为111,那么显然把第一组的第二位数据0改成1就可以变成第二组数据111,所以两组数据的汉明距离就为1

101 111 1 111 1

简单点说,汉明距离就是一组二进制数据变成另一组数据所需的步骤数,显然,这个数值可以衡量两张图片的差异,汉明距离越小,则代表相似度越高。汉明距离为0,即代表两张图片完全一样。 如何计算得到汉明距离,请看下面三种哈希算法 平均哈希法(aHash) 此算法是基于比较灰度图每个像素与平均值来实现的 一般步骤 1.缩放图片,可利用Image对象的resize(size)改变,一般大小为8*8,64个像素值。 1.缩放图片,可利用Image对象的resize(size)改变,一般大小为8*8,64个像素值。

Image resize(size) python Image convert('L') 32 * 32 32 * 32 8 * 8