1、    基于matlab實(shí)現(xiàn)以圖識(shí)圖的研究    劉瑞霖【摘 要】以前我們想根據(jù)一張圖片搜索更多類似圖片時(shí)，往往是輸入圖片的文件名、索引或關(guān)鍵詞來(lái)搜索，其結(jié)果往往不盡人意。本文作者擬研究運(yùn)用圖像識(shí)別技術(shù)來(lái)實(shí)現(xiàn)以圖識(shí)圖。圖像識(shí)別是基于圖片內(nèi)容，應(yīng)用計(jì)算機(jī)視覺技術(shù)，讓計(jì)算機(jī)根據(jù)“看到”的有關(guān)圖片而進(jìn)行比對(duì)、匹配，搜索結(jié)果的相似度將有所提高。以圖識(shí)圖的實(shí)現(xiàn)方法有很多，本文的研究方法是基于matlab平臺(tái)，通過對(duì)目標(biāo)圖片和圖庫(kù)圖片進(jìn)行顏色、紋理等特征分析，通過指定算法得到特征矩陣，從而匹配相似度較高的圖片。從研究結(jié)果看，本文所設(shè)計(jì)的研究步驟和算法，能較好地實(shí)現(xiàn)以

2、圖識(shí)圖的功能?！娟P(guān)鍵詞】matlab；以圖識(shí)圖；顏色特征；紋理特征；顏色直方圖；特征矩陣1 研究的背景和目的隨著互聯(lián)網(wǎng)的發(fā)展，人們之間的交流已不再局限于文字，圖片也成為了信息傳遞的一種重要媒介。然而，雖然圖片比文字更為生動(dòng)、直觀，容易理解，但面對(duì)一幅陌生的圖片，想通過搜索而進(jìn)一步了解它卻遠(yuǎn)沒有文字搜索容易。在這種情況下，能幫助用戶找到近似的圖片的以圖識(shí)圖技術(shù)，便尤為重要。美國(guó)的谷歌識(shí)圖、中國(guó)的百度識(shí)圖等應(yīng)用相繼推出，讓這方面的研究吸引了越來(lái)越多的關(guān)注。以前的搜索引擎一般是根據(jù)圖片的文件名、索引、關(guān)鍵詞等來(lái)進(jìn)行匹配，但是結(jié)果往往會(huì)不盡人意。以圖識(shí)圖是應(yīng)用了計(jì)算機(jī)視覺（computer visio

3、n）技術(shù)，讓計(jì)算機(jī)“看到”有關(guān)圖片而進(jìn)行自動(dòng)比對(duì)、匹配，搜索結(jié)果的相似度將有所提高。本文擬通過matlab平臺(tái)，研究以圖識(shí)圖的實(shí)現(xiàn)方法。2 研究的實(shí)施方法2.1 研究平臺(tái)的介紹matlab是指矩陣實(shí)驗(yàn)室（matrixlaboratory）.是一個(gè)高級(jí)的矩陣/陣列語(yǔ)言，同時(shí)也是個(gè)是一個(gè)包含大量計(jì)算算法的集合。matlab擁有600多個(gè)工程中要用到的數(shù)學(xué)運(yùn)算函數(shù)，可以方便的實(shí)現(xiàn)用戶所需的各種計(jì)算功能。它還提供了專業(yè)水平的符號(hào)計(jì)算、文字處理、可視化建模仿真和實(shí)時(shí)控制等功能.由于matlab是為矩陣計(jì)算而研發(fā)的，內(nèi)含多種矩陣運(yùn)算方法，而每張圖片又可以看作多個(gè)像素點(diǎn)組合而成的矩陣，因此它在圖片的特征提取

4、和計(jì)算方面顯得尤為方便，適合以圖識(shí)圖軟件的編寫。2.2 以圖識(shí)圖的原理以圖識(shí)圖簡(jiǎn)單來(lái)講就是根據(jù)客戶的目標(biāo)圖片在圖片庫(kù)里搜尋相似圖片?；镜脑砭褪侵父鶕?jù)圖像內(nèi)容特征以及特征組合，給每張圖片分配一個(gè)像指紋一樣的矩陣，矩陣越接近，圖片就越相似。本文是通過提取圖像的內(nèi)容特征，如顏色、紋理、形狀等來(lái)研究，沒有包括更深一層的語(yǔ)義。提取圖像的內(nèi)容特征就是對(duì)圖片特征矩陣（顏色矩陣、紋理矩陣等）的提取，將人類所能觀察到的圖片數(shù)據(jù)化。數(shù)據(jù)化后，將圖片庫(kù)中原有的特征矩陣相比對(duì)，通常是求兩矩陣之差。因此，數(shù)據(jù)化后得出的檢索結(jié)果，就是圖片庫(kù)中，與目標(biāo)圖片的某幾種特征差別最小的，比如說(shuō)顏色最相近，紋理最近似的。1）顏色

5、特征圖像其實(shí)是由許許多多被稱為像素點(diǎn)的小點(diǎn)構(gòu)成的，每個(gè)像素點(diǎn)有不同的值，這是組成圖像的基本單元要素。顏色特征就是根據(jù)不同像素點(diǎn)的不同值的特征而提取的一種全局特征。一個(gè)像素點(diǎn)代表一種顏色，將所有像素點(diǎn)進(jìn)行提取、統(tǒng)計(jì)，就可以得到各種顏色在圖像中像素點(diǎn)總個(gè)數(shù)，然通過顏色直方圖表達(dá)出來(lái)。2）紋理特征“紋理是由一個(gè)具有一定的不變性的視覺基元，在給定區(qū)域內(nèi)的不同位置上，以不同的形變和不同的方向重復(fù)出現(xiàn)的一種圖紋”，它也是圖像的重要“身份”特征之一。使用紋理特征可以較好地區(qū)分出相似顏色區(qū)域，對(duì)于物體和背景不易分割的圖像比較適用。能表達(dá)各種顏色的在圖像中的分布情況，導(dǎo)致搜索準(zhǔn)確率大大降低。3）顏色直方圖顏色直

6、方圖是顏色在圖像中的空間分布情況，它是基于不同的顏色空間和坐標(biāo)系。常用的顏色空間有rgb、hsv、luv和lab空間，其中hsv是最常用的，對(duì)應(yīng)人眼視覺特性，從色彩（hue）、飽和度（saturation）和值（value）三個(gè)方面來(lái)表達(dá)圖像的特征。2.3 研究實(shí)施步驟基于圖像內(nèi)容實(shí)現(xiàn)檢索的基本思路是：1）分析目標(biāo)圖片的基本內(nèi)容，通過自動(dòng)或半自動(dòng)的方法提取目標(biāo)圖像的特征，包括顏色、紋理、形狀以及空間關(guān)系等特征。2）將得到的圖像特征作為其“指紋身份”，根據(jù)指定的算法計(jì)算和評(píng)價(jià)目標(biāo)圖像和圖庫(kù)圖像各種特征之間的相似程度。3）根據(jù)比對(duì)結(jié)果，將最相似的一組圖片反饋給使用者。（1）圖像解碼通過掃描、采樣和

7、量化，提取圖片的顏色空間。在matlab中可以直接用一個(gè)子程序a=imread（圖片路徑/圖片名.圖片格式）實(shí)現(xiàn)。（2）圖像預(yù)處理對(duì)圖像進(jìn)行縮放、灰度、反轉(zhuǎn)、直方圖等格式轉(zhuǎn)換，以供程序提取特征使用。（3）圖片特征提取通過程序提取圖像顏色、紋理和hsv顏色空間等描述全局特征，使用fast、harris描述圖像的局部特征。（4）得出特征矩陣通過matlab得到mat格式的矩陣集合，每個(gè)矩陣代表一個(gè)圖片。（5）特征相似度匹配及索引用“距離”的概念來(lái)度量圖片的相似度。有閔式、余弦和海明距離來(lái)規(guī)定這些圖片的相似程度，計(jì)算兩張圖片的“距離”的最簡(jiǎn)單的算法就是：距離=sqrt（sum（x-y）2）， x與y

8、代表兩個(gè)矩陣中相對(duì)應(yīng)的元素。再按照一定的檢索算法，和圖片庫(kù)的特征進(jìn)行比對(duì)，得到匹配程度的排序。2.4 具體算法1）比較兩張圖片imgn1和imgn2的紋理特征：imgn1=zeros（m1，n1）；for i=2：m1-1 for j=2：n1-2pow1=0；for q =j-1：j+1for p=i-1：i+1if img1（p，q） > img1（i，j）if p=i | q=jimgn1（i，j）=imgn1（i，j）+2pow1；pow1=pow1+1；endendendendendendx1=imgn1（：）；x=1.0.*hist（x1，256）/（m1*n1）；img2=

9、imread（'d：f.jpg'）；img2=rgb2gray（img2）；m2 n2=size（img2）；imgn2=zeros（m2，n2）；for a=2：m2-1for b=2：n2-1pow2=0；for t =b-1：b+1for s=a-1：a+1if img2（s，t） > img2（a，b）if s=a | t=bimgn2（a，b）=imgn2（a，b）+2pow2；pow2=pow2+1；endendendendendendx2=imgn2（：）；y=1.0.*hist（x2，256）/（m2*n2）；dist=sqrt（sum（x-y）.*（x-

10、y）；dist=dist/32）比較兩張圖片i1和i2的hsv顏色特征：i1=imread（'d：b.jpg'）；i2=imread（'d：e.jpg'）；m1，n1，c1=size（i1）；m2，n2，c2=size（i2）；i1=rgb2hsv（i1）；i2=rgb2hsv（i2）；h1=i1（：，：，1）；s1=i1（：，：，2）；v1=i1（：，：，3）；h2=i2（：，：，1）；s2=i2（：，：，2）；v2=i2（：，：，3）；xh=1.0.*imhist（h1）/（m1*n1）；yh=1.0.*imhist（h2）/（m2*n2）；disth =s

11、um（xh-yh）.*（xh-yh）；sumh=sum（disth（：）；sumh=sumh/3；xs=1.0.*imhist（s1）/（m1*n1）；ys=1.0.*imhist（s2）/（m2*n2）；dists=sum（xs-ys）.*（xs-ys）；sums=sum（dists（：）；sums=sums/3；xv=1.0.*imhist（v1）/（m1*n1）；yv=1.0.*imhist（v2）/（m2*n2）；distv=sum（xv-yv）.*（xv-yv）；sumv=sum（distv（：）；sumv=sumv/3；sqrt（sumh+sums+sumv）3）局部特征fast角

12、點(diǎn)：角點(diǎn)就是在圖片中灰度急劇變化的點(diǎn)。fast算法規(guī)定，如果點(diǎn)a的周圍（在半徑為3個(gè)像素點(diǎn)的圓周內(nèi)），有足夠多的點(diǎn)（12個(gè)點(diǎn)），與點(diǎn)a的灰度之差大于設(shè)定的一個(gè)閾值，那么程序就判定點(diǎn)a為角點(diǎn)。在以圖識(shí)圖中，角點(diǎn)可作為局部特征來(lái)進(jìn)行檢索。但一張圖片中有無(wú)數(shù)像素點(diǎn)，如果將每個(gè)點(diǎn)進(jìn)行計(jì)算，工作量將會(huì)巨大。因此通過算法篩選出可能是角點(diǎn)的像素點(diǎn)是一種有效的方法。以下是簡(jiǎn)易判斷fast角點(diǎn)的代碼：第一層：i=imread（'d：day-2flower2.jpg'）；im2uint8（rgb2gray（i）；h=fspecial（'gaussian'，5）；i=imfilter（i，h）；m，n=size（i）；t=20；corners=zeros（m，n）；for i=4：m-20for j=20：n-20surpass=0；if abs（i（i，j）-i（i-3，j）>tsurpass=surpass+1；endif abs（i（i，j）-i（i，j-3）>tsurpass=surpass+1；endif abs（i（i，j）-i（i+3，j）>tsurpass=surpass+1；endif abs（i（i，j）-i（i