利用python实现多种方法来实现图像识别

#!/usr/bin/env python

# -*- coding: utf-8 -*-

# @File  : more.py

# @Author: 穆洪桥

# @Date  : 2018/1/16

# @Desc  :

# 利用python实现多种方法来实现图像识别

​

import cv2

import numpy as np

from matplotlib import pyplot as plt

​

​

# 最简单的以灰度直方图作为相似比较的实现

def classify_gray_hist(image1, image2, size=(256, 256)):

    # 先计算直方图

    # 几个参数必须用方括号括起来

    # 这里直接用灰度图计算直方图，所以是使用第一个通道，

    # 也可以进行通道分离后，得到多个通道的直方图

    # bins 取为16

    image1 = cv2.resize(image1, size)

    image2 = cv2.resize(image2, size)

    hist1 = cv2.calcHist([image1], [0], None, [256], [0.0, 255.0])

    hist2 = cv2.calcHist([image2], [0], None, [256], [0.0, 255.0])

    # 可以比较下直方图

    plt.plot(range(256), hist1, 'r')

    plt.plot(range(256), hist2, 'b')

    plt.show()

    # 计算直方图的重合度

    degree = 0

    for i in range(len(hist1)):

        if hist1[i] != hist2[i]:

            degree = degree + (1 - abs(hist1[i] - hist2[i]) / max(hist1[i], hist2[i]))

        else:

            degree = degree + 1

    degree = degree / len(hist1)

    return degree

​

​

# 计算单通道的直方图的相似值

def calculate(image1, image2):

    hist1 = cv2.calcHist([image1], [0], None, [256], [0.0, 255.0])

    hist2 = cv2.calcHist([image2], [0], None, [256], [0.0, 255.0])

    # 计算直方图的重合度

    degree = 0

    for i in range(len(hist1)):

        if hist1[i] != hist2[i]:

            degree = degree + (1 - abs(hist1[i] - hist2[i]) / max(hist1[i], hist2[i]))

        else:

            degree = degree + 1

    degree = degree / len(hist1)

    return degree

​

​

# 通过得到每个通道的直方图来计算相似度

def classify_hist_with_split(image1, image2, size=(256, 256)):

    # 将图像resize后，分离为三个通道，再计算每个通道的相似值

    image1 = cv2.resize(image1, size)

    image2 = cv2.resize(image2, size)

    sub_image1 = cv2.split(image1)

    sub_image2 = cv2.split(image2)

    sub_data = 0

    for im1, im2 in zip(sub_image1, sub_image2):

        sub_data += calculate(im1, im2)

    sub_data = sub_data / 3

    return sub_data

​

​

# 平均哈希算法计算

def classify_aHash(image1, image2):

    image1 = cv2.resize(image1, (8, 8))

    image2 = cv2.resize(image2, (8, 8))

    gray1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)

    gray2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)

    hash1 = getHash(gray1)

    hash2 = getHash(gray2)

    return Hamming_distance(hash1, hash2)

​

​

def classify_pHash(image1, image2):

    image1 = cv2.resize(image1, (32, 32))

    image2 = cv2.resize(image2, (32, 32))

    gray1 = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)

    gray2 = cv2.cvtColor(image2, cv2.COLOR_BGR2GRAY)

    # 将灰度图转为浮点型，再进行dct变换

    dct1 = cv2.dct(np.float32(gray1))

    dct2 = cv2.dct(np.float32(gray2))

    # 取左上角的8*8，这些代表图片的最低频率

    # 这个操作等价于c++中利用opencv实现的掩码操作

    # 在python中进行掩码操作，可以直接这样取出图像矩阵的某一部分

    dct1_roi = dct1[0:8, 0:8]

    dct2_roi = dct2[0:8, 0:8]

    hash1 = getHash(dct1_roi)

    hash2 = getHash(dct2_roi)

    #print(hash1)

    #print(hash2)

    return Hamming_distance(hash1, hash2)

​

​

# 输入灰度图，返回hash

def getHash(image):

    avreage = np.mean(image)

    hash = []

    for i in range(image.shape[0]):

        for j in range(image.shape[1]):

            if image[i, j] > avreage:

                hash.append(1)

            else:

                hash.append(0)

    return hash

​

​

def get_dhash(img):

    #缩放8*8

    img=cv2.resize(img,(9,8),interpolation=cv2.INTER_CUBIC)

    #转换灰度图

    gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

    hash_str=''

    #每行前一个像素大于后一个像素为1，相反为0，生成哈希

    for i in range(8):

        for j in range(8):

            if   gray[i,j]>gray[i,j+1]:

                hash_str=hash_str+'1'

            else:

                hash_str=hash_str+'0'

    return hash_str

​

def classify_dHash(image1, image2):

    d1=get_dhash(image1)

    d2=get_dhash(image2)

    return Hamming_distance(d1, d2)

​

​

# 计算汉明距离

def Hamming_distance(hash1, hash2):

    num = 0

    for index in range(len(hash1)):

        if hash1[index] != hash2[index]:

            num += 1

    return num

​

​

if __name__ == '__main__':

    img1 = cv2.imread('image\\rurenhui7.png')

    cv2.imshow('img1', img1)

    img2 = cv2.imread('image\\rurenhui8.png')

    cv2.imshow('img2', img2)

    degree1 = classify_gray_hist(img1, img2)

    degree2 = classify_hist_with_split(img1,img2)

    degree3 = classify_aHash(img1,img2)

    degree4 = classify_pHash(img1,img2)

    degree5 = classify_dHash(img1, img2)

    print(degree1)

    print(degree2)

    print(degree3)

    print(degree4)

    print(degree5)

    cv2.waitKey(0)