python 以图搜图

import os
import cv2 as cv
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt#读取文件
def read_img():imgs = []# walk会返回3个参数，分别是路径，目录list，文件listfor path, lists, frame in os.walk(文件名):for f in frame:#读取中文路径图像img = cv.imdecode(np.fromfile(path + "/" + f, dtype=np.uint8), 1)imgs.append(img)return frame,imgs
#把图像分为五部分
def fif_img(img):img= cv.cvtColor(img, cv.COLOR_BGR2HSV)h,w = img.shape[:2]cv.line(img,(int(w/2),0),(int(w/2),h),(255,0,0),2)cv.line(img,(0,int(h/2)),(w,int(h/2)),(255,0,0),2)clie = np.zeros((h,w),np.uint8)cv.ellipse(clie,(int(w/2),int(h/2)),(int(0.375*w),int(0.375*h)),0,0,360,255,-1)img1 = cv.bitwise_and(img,img,mask=clie)retra,clie1 = cv.threshold(clie,0,255,cv.THRESH_BINARY_INV)clie2 = clie1.copy()clie3 = clie1.copy()clie4 = clie1.copy()cv.rectangle(clie1,(int(w/2),0),(w,h),0,-1)cv.rectangle(clie1,(0,int(h/2)),(w,h),0,-1)img2 = cv.bitwise_and(img,img,mask=clie1)cv.rectangle(clie2,(0,0),(int(w/2),h),0,-1)cv.rectangle(clie2,(int(w/2),int(h/2)),(w,h),0,-1)img3 = cv.bitwise_and(img,img,mask=clie2)cv.rectangle(clie3,(0,0),(w,int(h/2)),0,-1)cv.rectangle(clie3,(int(w/2),int(h/2)),(w,h),0,-1)img4 = cv.bitwise_and(img,img,mask=clie3)cv.rectangle(clie4,(0,0),(w,int(h/2)),0,-1)cv.rectangle(clie4,(0,int(h/2)),(int(w/2),h),0,-1)img5 = cv.bitwise_and(img,img,mask=clie4)imgs = []imgs.extend([img1,img2,img3,img4,img5])return imgsdef zft_img(name,img_score):colum = dict()for i in range(len(img_score)):hist = []imgs = fif_img(img_score[i])for ig in range(len(imgs)):hist_img = cv.calcHist([imgs[ig]], [0,1,2], None,(8,12,3), [0,180,0,256,0,256])#归一化hist.append(pd.Series(cv.normalize(hist_img,hist_img).flatten()))colum[name[i]] = pd.concat(hist)colum = pd.DataFrame(colum)return colum#一张图像的直方图
def first_zft(name,image):colum = dict()hist = []imgs = fif_img(image)for ig in range(len(imgs)):hist_img = cv.calcHist([imgs[ig]], [0, 1, 2], None, (8, 12, 3), [0, 180, 0, 256, 0, 256])# 归一化hist.append(pd.Series(cv.normalize(hist_img, hist_img).flatten()))colum[name] = pd.concat(hist)colum = pd.DataFrame(colum)return colum#储存
def Storage_img(colum):colum.to_csv('temp/img.csv',index=False)#欧式距离
def o_distance(new_data,old_data):name = old_data.columnsdistances = dict()for i in range(len(name)):distance = 0for j in range(len(new_data.values)):distance = distance + ((new_data.values[j] - old_data[name[i]].values[j]) ** 2)distances[name[i]] = np.sqrt(distance)dist = sorted(distances.items(), key=lambda s: s[1])print(dist)name_img = []for i in range(10):print(dist[i])name_img.append(dist[i][0])return name_img#卡方距离
def ka_distance(new_data,old_data):name = old_data.columnsdistances = dict()for i in range(len(name)):distance = 0for j in range(len(new_data.values)):distance = float(distance) + float(((new_data.values[j] - old_data[name[i]].values[j]) ** 2)/(new_data.values[j] + old_data[name[i]].values[j] + 0.0000001))distances[name[i]] = distance * 0.5dist = sorted(distances.items(), key=lambda s: s[1])name_img = []for i in range(10):name_img.append(dist[i][0])return name_img#保存图像放入新文件夹
def write_img(img):print("类似图像:",img)imgs = dict()for path, lists, frame in os.walk(文件名):for f in frame:# 读取中文路径图像image = cv.imdecode(np.fromfile(path + "/" + f, dtype=np.uint8), 1)imgs[f] = imagefor ig in img:cv.imwrite(保存路径+ig,imgs[ig])# name,image = read_img()
# # zft_img(name,image)
# # Storage_img(zft_img(name,image))

#-*- coding: utf-8 -*-
import cv2 as cv
import numpy as np
import pandas as pd
from yitusoutu import *img_name = input('请输入图像路径名称：')
# file = open(img_name,'r')
#读入中文
img = cv.imdecode(np.fromfile(img_name, dtype=np.uint8), 1)
cv.imshow('img',img)
name,img_score = read_img()
old_colum = zft_img(name,img_score)
new_colum = first_zft(img_name,img)
write_img(o_distance(new_colum,old_colum))
cv.waitKey(0)
cv.destroyAllWindows()

python 以图搜图相关推荐

python以图搜图_以图搜图(一)：Python实现dHash算法（转）
近期研究了一下以图搜图这个炫酷的东西.百度和谷歌都有提供以图搜图的功能,有兴趣可以找一下.当然,不是很深入.深入的话,得运用到深度学习这货.Python深度学习当然不在话下. 这个功能最核心的东西就是 ...
【python 以图搜图】三种图片相似度计算融合算法
目标:在一个文件夹找出相似度较高的图片,达到以图搜图的目的. 我找了十组,都是高度相似的图片. 核心算法: 1.分别自定义三种计算图片相似度算法,计算图片相似度算法ORB算法,以及局部敏感哈希phas ...
以图搜图算法pytorch,Python以图搜图爬虫
python可以用图搜图吗谷歌人工智能写作项目:小发猫百度图片搜索引擎原理是如何实现的图片搜索的原理有三个步骤1. 将目标图片进行特征提取,描述图像的算法很多,用的比较多的是:SIFT描述子,指 ...
python以图搜图api_Python深度学习，手把手教你实现「以图搜图」
随着深度学习的崛起,极大的推动了图像领域的发展,在提取特征这方面而言,神经网络目前有着不可替代的优势.之前文章中我们也介绍了图像检索往往是基于图像的特征比较,看特征匹配的程度有多少,从而检索出相似度高 ...
python以图搜图api_网络图片搜索-以图搜图【最新版】_自动识别接口_图像识别_数据API-云市场-阿里云...
{"moduleinfo":{"advanList_count":[{"count_phone":4,"count":4 ...
以图搜图Python实现Hash算法
以图搜图(一):Python实现dHash算法 http://yshblog.com/blog/43 以图搜图(二):Python实现pHash算法 http://yshblog.com/blog/4 ...
以图搜图（一）：python aHash算法
文章目录感知哈希算法实现过程 python代码缺点感知哈希算法以图搜图的关键技术叫做"感知哈希算法"(Perceptual hash algorithm),它的作用是对每 ...
python+milvus实现一个以图搜图系统
目录引言说明准备数据训练数据安装minlvus(docker-compose方式) python集成milvus+towhee python后端启动方式启动前端查询数据引言当您听到& ...
python tensorflow 以图搜图_GitHub - lomoss/SearchImage: 基于VGG16的图像检索系统，简单的以图搜图。...
项目介绍: 一个简单以图搜图的demo项目,采用vgg16提取特征值,使用Miluvs向量搜索引擎,只有简单几个文件,没有什么技术含量. 项目目录: -SearchImage#项目 -app#Flas ...

python 以图搜图

python 以图搜图相关推荐

最新文章

热门文章