OpenCV：图像检索

OpenCV可以检测图像的主要特征，然后提取图像的特征，使其成为图像描述符。

这些图像特征，也就是图像描述符，可以作为图像搜索的数据库。

个人感觉就是，和「以图搜图」有点像。

看了下面这个视频，或许你就能够明白了。

https://v.qq.com/x/page/y0880pe6kdc.html

也是一个很搞笑的片段...

/ 01 / 特征检测算法

这里简单介绍一下OpenCV常用的几种特征检测和提取算法。

Harris、FAST：用于检测角点的。

SIFT、SURF、BRIEF：用于检测斑点的。

ORB：FAST算法和BRIEF算法的结合体。

检测和提取的工作做完了，就是特征匹配。

主要是「暴力匹配法」和「FLANN匹配法」。

提了好几次特征了，那么什么是图像的特征呢？

图像特征就是指有意义的图像区域，具有独特性或易于识别性，比如角点、斑点以及高密度区。

角点可以通过OpenCV的cornerHarris来识别。

「SIFT」则是一种与图像比例无关的角点检测方法，尺度不变特征变换。

采用DoG和SIFT来检测关键点并提取关键点周围的特征。

「SURF」特征检测算法，则是采用Hessian算法检测关键点，使用SURF提取特征。

剩下的太难了，以后慢慢了解~

/ 02 / 图像检索

N匹配，近似最近邻的快速库。

原始图片如下，为微博的Logo。

目标图片如下，包含新浪微博的名称。

代码如下。

import cv2

good = []
# 原始图片
queryImage = cv2.imread('wb1.jpg', 0)
# 目标图片
trainingImage = cv2.imread('wb2.jpg', 0)

# 创建SIFT对象(特征检测器),并计算灰度图像(描述符)
sift = cv2.xfeatures2d.SIFT_create()
kp1, des1 = sift.detectAndCompute(queryImage, None)
kp2, des2 = sift.detectAndCompute(trainingImage, None)

# 设置FLANN匹配器参数
FLANN_INDEX_KDTREE = 0
indexParams = dict(algorithm=FLANN_INDEX_KDTREE, trees=5)
searchParams = dict(checks=50)

# FLANN匹配器
flann = cv2.FlannBasedMatcher(indexParams, searchParams)

# K-最近邻匹配
matches = flann.knnMatch(des1, des2, k=2)

# 绘制一个空白图片
matchesMask = [[0, 0] for i in range(len(matches))]

# 绘制图像
for i, (m, n) in enumerate(matches):
    if m.distance < 0.7*n.distance:
        matchesMask[i] = [1, 0]
        good.append(m)

# 图像参数
drawParams = dict(matchColor=(0, 255, 0),
                  singlePointColor=(255, 0, 0),
                  matchesMask=matchesMask,
                  flags=0)

# 最终结果
resultImage = cv2.drawMatchesKnn(queryImage, kp1, trainingImage, kp2, matches, None, **drawParams)

# 检测是否匹配
if len(good) > 10:
print('It is a match!')

# 设置显示窗口
cv2.namedWindow('img', 0)
cv2.resizeWindow('img', 840, 480)
cv2.imshow('img', resultImage)
while True:
if cv2.waitKey(0) & 0xff == ord('q'):
break
cv2.destroyAllWindows()

输出下图。

可以看到原始图片上的logo和目标图片上的logo匹配上了。

也就意味着，我们能够利用原始图片(微博logo)从一个包含目标图片的图片库里检索到目标图片(包含微博logo)。

以图搜图，这还是很相似的。

当然，我并不知道以图搜图到底是通过何种办法实现的。

毕竟弱鸡~

/ 03 / 总结

最开头放的视频是一部电影——疯狂的外星人。

OpenCV：图像检索相关推荐

OpenCV学习笔记大集锦
转载自: OpenCV学习笔记大集锦 – 视觉机器人 http://www.cvrobot.net/collect-opencv-resource-learn-study-note-chinese/ ...
OpenCV学习笔记资料大集锦
整理了我所了解的有关OpenCV的学习笔记.原理分析.使用例程等相关的博文.排序不分先后,随机整理的.如果有好的资源,也欢迎介绍和分享. 1:OpenCV学习笔记作者:CSDN 数量:55篇博文网 ...
[转]OpenCV学习笔记大集锦
转载自: OpenCV学习笔记大集锦 – 视觉机器人 http://www.cvrobot.net/collect-opencv-resource-learn-study-note-chinese/ ...
用Python实现OpenCV特征提取与图像检索 | Demo
参加「CTA 核心技术及应用峰会」,请扫码报名 ↑↑↑ 作者|Andrey Nikishaev 翻译 | 张蔚敏审校 | reason_W 来源 | Python大本营(id:pythonnews ...
Python OpenCV应用K均值聚类进行颜色量化
Python OpenCV应用K均值聚类进行颜色量化 1. 效果图 2. 颜色量化是什么? 3. MiniBatchKMeans & KMeans 4. 源码参考在这篇博客文章中,我将向您 ...
OpenCV 3最新模块介绍
原文:https://zhuanlan.zhihu.com/p/19988205?columnSlug=hacker-and-painter OpenCV 3 的改动在哪? C 风格的API很快将会消 ...
python绘制灰度图片直方图-opencv+python 统计及绘制直方图
灰度直方图概括了图像的灰度级信息,简单的来说就是每个灰度级图像中的像素个数以及占有率,创建直方图无外乎两个步骤,统计直方图数据,再用绘图库绘制直方图. 统计直方图数据首先要稍微理解一些与函数相关的术 ...
基于deep learning的快速图像检索（Deep Learning of Binary Hash Codes for Fast Image Retrieval）
基于deep learning的快速图像检索(Deep Learning of Binary Hash Codes for Fast Image Retrieval) 2016-07-25 14 ...
图像基础知识 —— Opencv图像处理
1.数字图像概念数字图像: 数字图像,又称为数码图像或数位图像,是二维图像用有限数字数值像素的表示,由数组或矩阵表示: 数字图像可以理解为一个二维函数f(x,y)f(x,y)f(x,y),其中x和y ...

OpenCV：图像检索

OpenCV：图像检索相关推荐

最新文章

热门文章