日逛博客的时候偶然发现了一个有关图片相似度的Python算法实现。想着很有意思便搬到C#上来了，给大家看看。
闲言碎语
才疏学浅，只把计算图像相似度的一个基本算法的基本实现方式给罗列了出来，以至于在最后自己测评的时候也大发感慨，这个算法有点不靠谱。不管怎么样，这个算法有时候还是有用的，所以还是列出来跟大家伙一起分享分享~~
PS：图像处理这一块博大精深，个人偶尔发现了点东西拿来分享。说的不好的地方，写得太糟的地方，诸位准备扔砖头还望淡定，淡定~~
基本知识介绍
颜色直方图
颜色直方图是在许多图像检索系统中被广泛采用的颜色特征，它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适用于描述那些难以进行自动分割的图像。
灰度直方图
灰度直方图是灰度级的函数，它表示图像中具有每种灰度级的像素的个数，反映图像中每种灰度出现的频率。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图像的最基本的统计特征。
本文中即是使用灰度直方图来计算图片相似度，关于算法那一块也不赘言了，毕竟图像学图形学，直方图我是门儿都不懂，我也不准备打肿脸充胖子，只想实现一个最基本的算法，然后从最直观的角度看看这个算法的有效性，仅此而已。
算法实现
诸位看官休怪笔者囫囵吞枣，浅尝辄止的学习态度。额毕竟是因兴趣而来，于此方面并无半点基础（当然，除了知道RGB是啥玩意儿——这还幸亏当年计算机图形学的老师是个Super美女，因此多上了几节课的缘故），更谈不上半点造诣，看官莫怪莫怪，且忍住怒气，是走是留，小生不敢有半点阻拦~~
大致步骤如下：
1， 将图像转换成相同大小，以有利于计算出相像的直方图来
2， 计算转化后的灰度直方图
3， 利用XX公式，得到直方图相似度的定量度量
4， 输出这些不知道有用没用的相似度结果数据
代码实现
步骤1，将图像转化成相同大小，我们暂且转化成256 X 256吧。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
public Bitmap Resize(string imageFile, string newImageFile) { img = Image.FromFile(imageFile); Bitmap imgOutput = new Bitmap(img, 256, 256); imgOutput.Save(newImageFile, System.Drawing.Imaging.ImageFormat.Jpeg); imgOutput.Dispose(); return (Bitmap)Image.FromFile(newImageFile); } |
这部分代码很好懂，imageFile为原始图片的完整路径，newImageFile为强转大小后的256 X 256图片的路径，为了“赛”后可以看到我们转化出来的图片长啥样，所以我就把它保存到了本地了，以至于有了上面略显丑陋的代码。
步骤2，计算图像的直方图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
|
public int[] GetHisogram(Bitmap img) { BitmapData data = img.LockBits( new System.Drawing.Rectangle( 0 , 0 , img.Width , img.Height ), ImageLockMode.ReadWrite , PixelFormat.Format24bppRgb ); int[ ] histogram = new int[ 256 ]; unsafe { byte* ptr = ( byte* )data.Scan0; int remain = data.Stride - data.Width * 3; for( int i = 0 ; i < histogram.Length ; i ++ ) histogram[ i ] = 0; for( int i = 0 ; i < data.Height ; i ++ ) { for( int j = 0 ; j < data.Width ; j ++ ) { int mean = ptr[ 0 ] + ptr[ 1 ] + ptr[ 2 ]; mean /= 3; histogram[ mean ] ++; ptr += 3; } ptr += remain; } } img.UnlockBits( data ); return histogram; } |