计算机科学理论：图像相似性答案

【问题标题】：Computer Science Theory: Image Similarity计算机科学理论：图像相似性
【发布时间】：2011-01-25 23:27:36
【问题描述】：

所以我正在尝试比较不同的图像，并想知道是否有人可以为我指出正确的方向，以获得我可以为一组图像采取的一些基本指标。

假设我有两张图片，A 和 B，我非常想要尽可能多的关于每张图片的数据，以便以后可以通过编程方式比较它们。诸如“一般颜色”、“一般形状”之类的东西会很棒。

如果你能帮我找到具体的属性和算法来计算它们，那就太好了！

谢谢！

编辑：这里的最终目标是能够让计算机告诉我图片有多“相似”。如果两张图片相同，但在一张中有人模糊了一张脸；他们应该注册为非常相似。如果两张图片完全不同，电脑应该能分辨出来。

【问题讨论】：

【解决方案1】：

您所说的内容非常笼统且不具体。

图像信息形式化为Entropy。

您似乎正在寻找的基本上是特征提取，然后比较这些特征。可以提取大量特征，但根据图片的差异，其中很多特征可能无关紧要。

有空间域和图像的frequency domain descriptors，每个都可以在这里有用。我可能可以命名超过 100 个描述符，但在您的情况下，只有一个就足够了，或者没有一个可能有用。

预处理也很重要，也许您可以将图像转为灰度，然后进行比较。

这个领域非常多样化，所以你需要更具体一点。

（更新）

您正在寻找的主题是数百甚至数千篇科学文章。但好吧，也许一种简单的方法可以奏效。

所以假设这里的问题是不识别对象并且不涉及变换、平移、缩放或旋转，我们只处理两个图像相同，但可以添加更多噪音：

1) 图像域（空间域）：将像素一一进行比较，并将差异的平方相加。通过宽度*高度规范化这个值 - 只需除以像素数。这可能是一种有用的相似性度量。

2) 频域：将图像转换为频域图像（在 OpenCV 等图像处理工具中使用 FTT），频域图像也是 2D。执行与上面相同的平方差异，但也许您想限制频率。然后按像素数归一化。这在噪音和平移以及小幅旋转方面表现更好，但在规模上则不然。

【讨论】：

【解决方案2】：

SURF 是比较图像的一个很好的候选算法

Wikipedia Article

一个实际的例子（在Mathematica中），识别两个月亮图像（旋转、彩色和模糊）中的对应点：

【讨论】：

【解决方案3】：

您还可以计算这两个图像的直方图箱之间的差异总和。但这也不是灵丹妙药……

【讨论】：

【解决方案4】：

我建议看看OpenCV。该软件包提供了上述大部分（如果不是全部）技术。

【讨论】：