Question

我是深度学习领域的新手，在确定两个图像是否具有统一的颜色和纹理时遇到问题。例如，我有一个

主图像-

现在，关于该图像，我需要确定以下图像是否具有均匀的纹理和颜色分布-

图片1-

图片2-

图片3-

我需要开发一种算法，该算法将使用主图像评估这3张图像。由于图像1的颜色，该算法应该批准图像1，而由于图像2的颜色和纹理均匀性，该算法应拒绝图像2。

我针对此问题的方法是直接分析图像以进行纹理检测。我发现在所有纹理识别方法中，“本地二进制模式”方法都不错（但我不确定）。我在python中将它的skimage实现与opencv一起使用，发现该方法有效。

from skimage import feature
import numpy as np
import cv2
import matplotlib.pyplot as plt

class LocalBinaryPatterns:
    def __init__(self, numPoints, radius):
        # store the number of points and radius
        self.numPoints = numPoints
        self.radius = radius

    def describe(self, image, eps=1e-7):
        # compute the Local Binary Pattern representation
        # of the image, and then use the LBP representation
        # to build the histogram of patterns
        lbp = feature.local_binary_pattern(image, self.numPoints,
            self.radius, method="uniform")
        (hist, _) = np.histogram(lbp.ravel(),
            bins=np.arange(0, self.numPoints + 3),
            range=(0, self.numPoints + 2))

        # normalize the histogram
        hist = hist.astype("float")
        hist /= (hist.sum() + eps)

        # return the histogram of Local Binary Patterns
        return hist


desc = LocalBinaryPatterns(24, 8)

image = cv2.imread("main.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
hist = desc.describe(gray)

plt.plot(hist,'b-')
plt.ylabel('Feature Vectors')
plt.show()

检测到特征并制作特征向量直方图。我使用matplotlib绘制了直方图，并清楚地发现图像1和图像2的纹理特征几乎与主图像相似。并且图像3的纹理特征不匹配。

然后，我开始分析图像的颜色。我使用opencv作为-

绘制了颜色直方图

import cv2
from matplotlib import pyplot as plt

def draw_image_histogram(image, channels, color='k'):
    hist = cv2.calcHist([image], channels, None, [256], [0, 256])
    plt.plot(hist, color=color)
    plt.xlim([0, 256])

def show_color_histogram(image):
    for i, col in enumerate(['b', 'g', 'r']):
        draw_image_histogram(image, [i], color=col)
    plt.show()

show_color_histogram(cv2.imread("test1.jpg"))

我发现图像1的颜色直方图与主图像匹配。并且图像2和3的颜色直方图不匹配。通过这种方式，我发现图像1匹配，而图像2和3不匹配。

但是，我这是一种非常简单的方法，我不知道它将匹配哪些误报。而且我不知道解决这个问题的方法是最好的方法。

我也希望这可以通过像CNN这样的单一且强大的算法来完成（但在计算上不应太昂贵）。但是我没有使用CNN的经验。那么我应该使用主图像训练CNN吗？请指出正确的方向。我也遇到过LBCNN，他们可以解决问题吗？还有什么其他更好的方法。

非常感谢您的帮助

Answer 1

CNN擅长捕获数据集的基本特征和分布。但是他们需要大量（数十万个示例）来学习和提取这些功能，这是非常昂贵的任务。同样对于高分辨率图像，将需要更多参数来提取这些特征，从而进一步需要更多数据。

如果您的数据集很大，则可以使用CNN，它可以捕获微小的信息，例如这些精细的纹理。否则，这些经典方法（您执行过的一种方法）也可以很好地工作。

还有一种名为transfer-learning的方法，其中我们使用预先训练的模型（在相似的数据集上进行训练）并在small data-set上进行微调。如果可以找到任何这样的模型，那可以是另一个选择。

图像颜色和纹理的均匀性

1 个答案: