CN107844803B - 一种图片比对的方法和装置 - Google Patents
一种图片比对的方法和装置 Download PDFInfo
- Publication number
- CN107844803B CN107844803B CN201711034360.3A CN201711034360A CN107844803B CN 107844803 B CN107844803 B CN 107844803B CN 201711034360 A CN201711034360 A CN 201711034360A CN 107844803 B CN107844803 B CN 107844803B
- Authority
- CN
- China
- Prior art keywords
- graph
- compared
- picture
- graphs
- connected graph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例涉及图片分析技术领域,尤其涉及一种图片比对的方法和装置,用于实现准确的确定两个图片的相似度。从第一图片对应的梯度图像中确定出至少一个第一连通图;从第二图片对应的梯度图像中确定出至少一个第二连通图;根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度;根据K对待比对连通图的相似度,确定第一图片和第二图片的相似度。如此,第一图片与第二图片进行比对时能够准确的得到两个图片的结构差异,进而准确的确定两个图片的相似度。
Description
技术领域
本发明实施例涉及图片分析技术领域,尤其涉及一种图片比对的方法和装置。
背景技术
目前,图片比对方法广泛应用于图片视频相似度计算,在图像中活体识别等金融支付场景中有较大的需求。
现有技术中的图片比对技术主要基于结构相似性、直方图和PSNR峰值信噪比等方法确定两个图片的相似度。其中,基于结构相似性的比对方法,通过比较两张图片的亮度和对比度的差异分析图片的区别,这种方法缺点在于当图片出现位移、变大、缩小等情况时,无法获得准确的结构信息。基于直方图比对方法,计算图片的灰度值的直方图,通过比较两张直方图的差异,计算图片间的相似度,由于直方图反映的是图片像素灰度值的概率分布,但是对于这些像素原来的位置在直方图中并没有显示,所以图片的骨架、图片中的物体形状等信息都被忽略,直方图转换的过程中信息量丢失较大,并不能准确的反映两个图片结构信息,导致比对结果存在误差。基于PSNR峰值信噪比比对的方法,计算两张图片对应像素值的差异,累加差异得到总的比较值,这种方法没有考虑像素之间的关联。现有技术中的图片比对方法,对于图片存在大范围差异时,图片比对结果准确率相对较高;对于图片存在小范围差异的容忍度不高,图片相似度比对结果的准确性很低。
发明内容
本发明实施例提供一种图片比对的方法和装置,实现准确的得到两个图片的结构差异,进而准确的确定两个图片的相似度。
本发明实施例提供一种图片比对的方法,包括:从第一图片对应的梯度图像中确定出至少一个第一连通图;从第二图片对应的梯度图像中确定出至少一个第二连通图;根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;K为大于0的整数;根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度;根据K对待比对连通图的相似度,确定第一图片和第二图片的相似度。
可选的,根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图,包括:从至少一个第一连通图中确定出面积最大的K个第一连通图,从至少一个第二连通图中确定出面积最大的K个第二连通图,组成K对待比对连通图;其中,每对待比对连通图中的第一连通图在K个第一连通图中的面积排序位置与该对待比对连通图中的第二连通图在K个第二连通图中的面积排序位置一致。
可选的,根据每对待比对连通图中的第一连通图和第二连通图的相似度,确定该对待比对连通图的相似度之前,还包括:将第一图片和第二图片置于同一坐标系下,并针对每对待比对连通图,执行:确定出第一连通图和第二连通图的质心坐标;以第一连通图的质心坐标为圆心,拟合出与第一连通图具有相同标准二阶中心矩的第一椭圆;以第二连通图的质心坐标为圆心,拟合出与第二连通图具有相同标准二阶中心矩的第二椭圆;根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度,包括:针对K对待比对连通图中的每对待比对连通图,根据该对待比对连通图中第一连通图与第二连通图之间的第一类相对参数,以及第一椭圆与第二椭圆之间的第二类相对参数,确定出该对待比对连通图中的第一连通图与第二连通图的相似度;将该对待比对连通图中的第一连通图与第二连通图的相似度,作为该对待比对连通图的相似度。
可选的,第一类相对参数包括以下内容中的任一项或任多项:第一连通图的质心与第二连通图的质心之间的相对距离;第一连通图的平均灰度值与第二连通图的平均灰度值之间的差值;第二类相对参数包括以下内容中的任一项或任多项:第一椭圆的长轴长度与第二椭圆的长轴长度之间的差值;第一椭圆的短轴长度与第二椭圆的短轴长度之间的差值;第一椭圆的长轴与第二椭圆的长轴之间的夹角。
可选的,从第一图片对应的梯度图像中确定出至少一个第一连通图,包括:根据第一图片中各个像素的灰度值,计算出第一图片对应的梯度值,得到第一图片对应的梯度图像;从第一图片对应的梯度图像中确定出第一边缘像素,并根据第一边缘像素构建至少一个第一连通图;第一边缘像素为第一图片对应的梯度图像中的梯度值大于梯度阈值的像素;从第二图片对应的梯度图像中确定出至少一个第二连通图,包括:根据第二图片中各个像素的灰度值,计算出第二图片对应的梯度值,得到第二图片对应的梯度图像;从第二图片对应的梯度图像中确定出第二边缘像素,并根据第二边缘像素构建至少一个第二连通图;第二边缘像素为第二图片对应的梯度图像中的梯度值大于梯度阈值的像素。
本发明实施例提供一种图片比对装置,包括:连通图确定单元,用于从第一图片对应的梯度图像中确定出至少一个第一连通图;从第二图片对应的梯度图像中确定出至少一个第二连通图;连通图对确定单元,用于根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;K为大于0的整数;比对单元,用于根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度;根据K对待比对连通图的相似度,确定第一图片和第二图片的相似度。
可选的,连通图对确定单元,用于:从至少一个第一连通图中确定出面积最大的K个第一连通图,从至少一个第二连通图中确定出面积最大的K个第二连通图,组成K对待比对连通图;其中,每对待比对连通图中的第一连通图在K个第一连通图中的面积排序位置与该对待比对连通图中的第二连通图在K个第二连通图中的面积排序位置一致。
可选的,装置还包括拟合单元,用于:将第一图片和第二图片置于同一坐标系下,并针对每对待比对连通图,执行:确定出第一连通图和第二连通图的质心坐标;以第一连通图的质心坐标为圆心,拟合出与第一连通图具有相同标准二阶中心矩的第一椭圆;以第二连通图的质心坐标为圆心,拟合出与第二连通图具有相同标准二阶中心矩的第二椭圆;比对单元,用于:针对K对待比对连通图中的每对待比对连通图,根据该对待比对连通图中第一连通图与第二连通图之间的第一类相对参数,以及第一椭圆与第二椭圆之间的第二类相对参数,确定出该对待比对连通图中的第一连通图与第二连通图的相似度;将该对待比对连通图中的第一连通图与第二连通图的相似度,作为该对待比对连通图的相似度。
可选的,第一类相对参数包括以下内容中的任一项或任多项:第一连通图的质心与第二连通图的质心之间的相对距离;第一连通图的平均灰度值与第二连通图的平均灰度值之间的差值;第二类相对参数包括以下内容中的任一项或任多项:第一椭圆的长轴长度与第二椭圆的长轴长度之间的差值;第一椭圆的短轴长度与第二椭圆的短轴长度之间的差值;第一椭圆的长轴与第二椭圆的长轴之间的夹角。
可选的,连通图确定单元,用于:根据第一图片中各个像素的灰度值,计算出第一图片对应的梯度值,得到第一图片对应的梯度图像;从第一图片对应的梯度图像中确定出第一边缘像素,并根据第一边缘像素构建至少一个第一连通图;第一边缘像素为第一图片对应的梯度图像中的梯度值大于梯度阈值的像素;根据第二图片中各个像素的灰度值,计算出第二图片对应的梯度值,得到第二图片对应的梯度图像;从第二图片对应的梯度图像中确定出第二边缘像素,并根据第二边缘像素构建至少一个第二连通图;第二边缘像素为第二图片对应的梯度图像中的梯度值大于梯度阈值的像素。
本发明实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于使计算机执行上述任一实施例中的方法。
本发明实施例提供一种计算机设备,包括:存储器,用于存储程序指令;处理器,用于调用存储器中存储的程序指令,按照获得的程序执行上述任一实施例中的方法。
本发明实施例中,由于从第一图片对应的梯度图像中确定出至少一个第一连通图;从第二图片对应的梯度图像中确定出至少一个第二连通图;根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度;根据K对待比对连通图的相似度,确定第一图片和第二图片的相似度。如此,针对存在大范围差异的第一图片与第二图片进行比对,确定每对待比对连通图的相似度,不仅考虑了两个图片之间的灰度值的差异,而且考虑了两个图片中每个像素之间的灰度值的关联性,因此能够准确的得到两个图片的结构差异;由于本发明实施例提供的方法还考虑了每个待比对连通图灰度值的梯度之间的差异,对于小范围差异的第一图片与第二图片进行比对时,也能够准确的得到两个图片的结构差异,进而准确的确定两个图片的相似度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍。
图1为本发明实施例提供的第一图片对应的梯度图像示意图;
图2为本发明实施例提供的第二图片对应的梯度图像示意图;
图3为本发明实施例提供的图片比对系统示意图;
图4为本发明实施例提供的一种图片比对的方法流程示意图;
图5为本发明实施例提供的第一连通图及其对应的第一椭圆示意图;
图6为本发明实施例提供的第二连通图及其对应的第二椭圆示意图;
图7为本发明实施例提供的同一坐标系下的第一椭圆和第二椭圆的示意图;
图8为本发明实施例提供的一种图片比对装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施中,将两个图片进行比对时,将两个图片置于同一坐标系下,将两个图片对应的梯度图像的比对转化为连通图的比对。
图1示例性示出了本发明实施例提供的第一图片对应的梯度图像示意图。如图1所示,第一图片对应的梯度图像110中包括7个第一连通图,分别为a1、a2、a3、a4、a5、a6、a7。
图2示例性示出了本发明实施例提供的第二图片对应的梯度图像示意图;如图2所示,第一图片110包括7个第二连通图,分别为b1、b2、b3、b4、b5、b6、b7。
以图1中的第一连通图a1和图2中的第二连通图b1组成一对待比对连通图为例,图3示例性示出了本发明实施例提供的图片比对系统示意图;如图3所示,该比对系统130包括第一连通图a1和第二连通图b1,其中,第一连通图a1的质心为O1,第二连通图b1的质心为O2,通过确定第一连通图a1和第二连通图b1的相似度,确定第一图片和第二图片的相似度。
图4示例性示出了本发明实施例提供的图片比对的方法流程示意图。如图4所示,本发明实施例提供的图片比对的方法,包括以下步骤:
步骤401:从第一图片对应的梯度图像中确定出至少一个第一连通图;
步骤402:从第二图片对应的梯度图像中确定出至少一个第二连通图;
步骤403:根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;K为大于0的整数;
步骤404:根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度;
步骤405:根据K对待比对连通图的相似度,确定第一图片和第二图片的相似度。
本发明实施例中,由于从第一图片对应的梯度图像中确定出至少一个第一连通图;从第二图片对应的梯度图像中确定出至少一个第二连通图;根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度;根据K对待比对连通图的相似度,确定第一图片和第二图片的相似度。如此,针对存在大范围差异的第一图片与第二图片进行比对,确定每对待比对连通图的相似度,不仅考虑了两个图片之间的灰度值的差异,而且考虑了两个图片中每个像素之间的灰度值的关联性,因此能够准确的得到两个图片的结构差异;由于本发明实施例提供的方法还考虑了每个待比对连通图灰度值的梯度之间的差异,对于小范围差异的第一图片与第二图片进行比对时,也能够准确的得到两个图片的结构差异,进而准确的确定两个图片的相似度。
为了从图片中构建出连通图,本发明实施例中提供一种可选的实施方式,从第一图片对应的梯度图像中确定出至少一个第一连通图,包括:根据第一图片中各个像素的灰度值,计算出第一图片对应的梯度值,得到第一图片对应的梯度图像;从第一图片对应的梯度图像中确定出第一边缘像素,并根据第一边缘像素构建至少一个第一连通图;第一边缘像素为第一图片对应的梯度图像中的梯度值大于梯度阈值的像素。一种可选的实施方式中,将所有的第一边缘像素连接起来,形成至少一个连通区域,每个连通区域即为第一连通图。
相应的,针对第二图片,从第二图片对应的梯度图像中确定出至少一个第二连通图,包括:根据第二图片中各个像素的灰度值,计算出第二图片对应的梯度值,得到第二图片对应的梯度图像;从第二图片对应的梯度图像中确定出第二边缘像素,并根据第二边缘像素构建至少一个第二连通图;第二边缘像素为第二图片对应的梯度图像中的梯度值大于梯度阈值的像素。本发明实施例中,梯度阈值可以根据实际需要进行设置,比如设置为100,再比如设置为200,具体设置在此处不进行限定。
本发明实施例中,通过分别对第一图片对应的梯度图像和第二图片对应的梯度图像构建连通图,如此,构建的每个连通图内各个像素的灰度值差异较小,而且比对图片时,考虑了两个图片之间的灰度值差异,以及灰度值的梯度之间的差异,可以准确的得到两个图片的结构差异,进而准确的确定两个图片的相似度。
基于步骤403,根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图,包括:从至少一个第一连通图中确定出面积最大的K个第一连通图,从至少一个第二连通图中确定出面积最大的K个第二连通图,组成K对待比对连通图;其中,每对待比对连通图中的第一连通图在K个第一连通图中的面积排序位置与该对待比对连通图中的第二连通图在K个第二连通图中的面积排序位置一致。
本发明实施例提供一种确定待比对连通图的示例,例如根据图1中的第一图片对应的梯度图像和图2中的第二图片对应的梯度图像为例,确定两个图片的待比对连通图的步骤分为以下三步:
第一步:根据图1所示的第一图片对应的梯度图像中的7个第一连通图;对7个第一连通图进行面积排序,得到按照每个第一连通图的面积从大到小的顺序为a1、a2、a3、a4、a5、a6、a7,可表示为集合set(A,i)。
第二步:根据图2所示的第二图片对应的梯度图像中的7个第二连通图;对7个第二连通图进行面积排序,得到按照每个第二连通图的面积从大到小的顺序为b1、b2、b3、b4、b5、b6、b7,可表示为集合set(B,i)。
第三步:从集合set(A,i)中选择面积最大的第一连通图,从集合set(B,i)中选择面积最大的第二连通图,组成连通图对<a1,b1>;从集合set(A,i)的剩余第一连通图中选择面积最大的第一连通图与集合set(B,i)的剩余第一连通图中选择面积最大的第二连通图,组成连通图对<a2,b2>;依次类推,直至确定出所有的连通图对,可表示为tuple(A,B,i)={<a1,b1>,<a2,b2>...<ak,bk>}。
上述第三步中,若第一连通图和第二连通图的数量不相等,以数量较少的值作为连通图对的数量;步骤403的K的取值根据实际需要进行自定义,比如将K设置为3,那么组成的3对待比对连通图为tuple(A,B,3)={<a1,b1>,<a2,b2>,<a3,b3>}。
基于上述实施例,确定出的K对待比对连通图分别取自第一图片中的面积最大的K个第一连通图和第二图片中的面积最大的K个第二连通图,如此,通过比对面积较大的第一连通图和第二连通图,一方面,可以较大程度的反映第一图片和第二图片的相似度;另一方面,可以不需要计算所有的第一连通图和第二连通图之间的相似度,计算速度快。
本发明实施例中,根据每对待比对连通图中的第一连通图和第二连通图的相似度,确定该对待比对连通图的相似度之前,还包括:将第一图片和第二图片置于同一坐标系下,并针对每对待比对连通图,执行:确定出第一连通图和第二连通图的质心坐标;以第一连通图的质心坐标为圆心,拟合出与第一连通图具有相同标准二阶中心矩的第一椭圆;以第二连通图的质心坐标为圆心,拟合出与第二连通图具有相同标准二阶中心矩的第二椭圆。
举个例子,以图1中的第一连通图a1和图2中第二连通图b1为例,图5示例性示出了本发明实施例提供的第一连通图及其对应的第一椭圆示意图;图6示例性示出了本发明实施例提供的第二连通图及其对应的第二椭圆示意图。
从图1中的第一连通图a1确定出质心坐标O1,从图2中第二连通图b1确定出的质心坐标O2,以质心坐标O1为圆心,拟合出如图5所示的第一椭圆501,第一椭圆501与第一连通图a1具有相同标准二阶中心矩。相应的,以质心坐标O2为圆心,拟合出如图6所示的第二椭圆601,第二椭圆601与第二连通图b1具有相同标准二阶中心矩。
下面对如何确定待比对连通图的相似度进行介绍。
一种可实施的方式中,根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度,包括:针对K对待比对连通图中的每对待比对连通图,根据该对待比对连通图中第一连通图与第二连通图之间的第一类相对参数,以及第一椭圆与第二椭圆之间的第二类相对参数,确定出该对待比对连通图中的第一连通图与第二连通图的相似度;将该对待比对连通图中的第一连通图与第二连通图的相似度,作为该对待比对连通图的相似度。
本发明实施例中,第一类相对参数根据待比对连通图中的第一连通图和第二连通图的之间的参数差值确定,第二类相对参数根据待比对连通图中的第一椭圆和第二椭圆的之间的参数差值确定。可见,在确定待比对连通图的相似度时,不仅考虑了第一图片中第一连通图和第二图片中第二连通图所在区域的灰度值差异,而且考虑了第一连通图和第二连通图的形状差异,如此,可以准确的确定出第一连通图和第二连通图的相似度。
本发明实施例中,第一类相对参数包括以下内容中的任一项或任多项:第一连通图的质心与第二连通图的质心之间的相对距离;第一连通图的平均灰度值与第二连通图的平均灰度值之间的差值。
以图5中的第一连通图a1和图6中的第二连通图b1为例,第一连通图的质心与第二连通图的质心之间的相对距离可以通过同一坐标系下的质心坐标O1和以质心坐标O1之间的距离l_cen确定。可选的,第一连通图a1的平均灰度值为第一图片中第一连通图a1所在区域的各个像素的灰度值的平均值,相应的,第二连通图a1的平均灰度值为第二图片中第二连通图b1所在区域的各个像素的灰度值的平均值,第一连通图的平均灰度值与第二连通图的平均灰度值之间的差值表示为l_c。
本发明实施例中,第二类相对参数包括以下内容中的任一项或任多项:第一椭圆的长轴长度与第二椭圆的长轴长度之间的差值;第一椭圆的短轴长度与第二椭圆的短轴长度之间的差值;第一椭圆的长轴与第二椭圆的长轴之间的夹角。
将图5中第一椭圆和图6中的第二椭圆置于同一坐标系下,得到如图7所示的同一坐标系下的第一椭圆和第二椭圆的示意图,如图7所示,第一椭圆701的长轴长度和第二椭圆702的长轴长度的差值为l_maj,第一椭圆701的短轴长度和第二椭圆702的短轴长度的差值为l_min,第一椭圆701的长轴和第二椭圆702的长轴的夹角为l_angle。可选的,第二类相对参数还可以包括第一椭圆的短轴与第二椭圆的短轴之间的夹角。
可选的,第一椭圆701的长轴和第二椭圆702的长轴的夹角可由以下方式确定:首先分别确定第一椭圆701的长轴与X轴的夹角θ1,第二椭圆702的长轴与X轴的夹角θ2,计算出夹角θ1和夹角θ2的差值即为l_angle。可选的,以同一参考线为标准,分别确定出第一椭圆701的长轴和第二椭圆702的长轴与同一参考线的夹角的方式,而确定出l_angle均在本发明实施例的保护范围内。
本发明实施例中提供一种确定出每对待比对连通图相似度的可实施方式,根据第一类相对参数以及第二类相对参数,确定待比对连通图相似度,其中第一类相对参数与待比对连通图相似度成反比关系,第二类相对参数与待比对连通图相似度也成反比关系。也就是说,第一类相对参数和/或第二类相对参数的值越大,待比对连通图中的第一连通图和第二连通图的相似度越低。
本发明实施例还提供一种确定待比对连通图的相似度的方式,根据每对待比对连通图中的第一待比对连通图和第二待比对连通图之间的第一类相对参数和第二类相对参数,以及预设的相对参数值权重,确定出该对待比对连通图的相似度。
举个例子,第一类相对参数包括:第一连通图的质心与第二连通图的质心之间的相对距离l_cen和第一连通图的平均灰度值与第二连通图的平均灰度值之间的差值l_c;第二类相对参数包括:第一椭圆的长轴长度和第二椭圆的长轴长度的差值为l_maj,第一椭圆的短轴长度和第二椭圆的短轴长度的差值为l_min,第一椭圆的长轴和第二椭圆的长轴的夹角为l_angle。
可选的,计算第一连通图和第二连通图的相似度sim值的公式如下:
sim(<a,b>)=1/(1+l_cen+ηl_c+αl_maj+βl_min+λl_angle)……公式(1)
上述公式(1)中,sim(<a,b>)的值域为从0至1,sim(<a,b>)的值越小,待比对连通图的相似度越大;α、β、λ和η是权重因子,一般设置为正数,用户可以实际情况进行分别设置。本发明实施例中,通过参数调节设置各个相对参数值的权重,计算相似度具有较好的灵活性和适应性。
本发明实施例中,在计算得到每对待比对连通图之后,确定第一图片和第二图片的相似度包括:根据每对待比对连通图的相似度sim值,确定第一图片和第二图片的相似度。可选的,将K对待比对连通图的相似度sim值的平均值,作为第一图片和第二图片的相似度。
通过上述实施例可以看出,由于从第一图片对应的梯度图像中确定出至少一个第一连通图;从第二图片对应的梯度图像中确定出至少一个第二连通图;根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度;根据K对待比对连通图的相似度,确定第一图片和第二图片的相似度。如此,针对存在大范围差异的第一图片与第二图片进行比对,确定每对待比对连通图的相似度,不仅考虑了两个图片之间的灰度值的差异,而且考虑了两个图片中每个像素之间的灰度值的关联性,因此能够准确的得到两个图片的结构差异;由于本发明实施例提供的方法还考虑了每个待比对连通图灰度值的梯度之间的差异,对于小范围差异的第一图片与第二图片进行比对时,也能够准确的得到两个图片的结构差异,进而准确的确定两个图片的相似度。
基于以上实施例以及相同构思,图8为本发明实施例提供的图片比对装置的结构示意图,如图8所示,该装置800可以实现如上图4中所示的任一项或任多项对应的方法步骤。该装置800可以包括连通图确定单元801、连通图对确定单元802、比对单元803;可选的,还包括拟合单元804。
连通图确定单元801,用于从第一图片对应的梯度图像中确定出至少一个第一连通图;从第二图片对应的梯度图像中确定出至少一个第二连通图;
连通图对确定单元802,用于根据同一规则,从至少一个第一连通图和至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;K为大于0的整数;
比对单元803,用于根据每对待比对连通图中的第一连通图与第二连通图的相似度,确定该对待比对连通图的相似度;根据K对待比对连通图的相似度,确定第一图片和第二图片的相似度。
可选的,连通图对确定单元802,用于:从至少一个第一连通图中确定出面积最大的K个第一连通图,从至少一个第二连通图中确定出面积最大的K个第二连通图,组成K对待比对连通图;其中,每对待比对连通图中的第一连通图在K个第一连通图中的面积排序位置与该对待比对连通图中的第二连通图在K个第二连通图中的面积排序位置一致。
可选的,装置还包括拟合单元804,用于:将第一图片和第二图片置于同一坐标系下,并针对每对待比对连通图,执行:确定出第一连通图和第二连通图的质心坐标;以第一连通图的质心坐标为圆心,拟合出与第一连通图具有相同标准二阶中心矩的第一椭圆;以第二连通图的质心坐标为圆心,拟合出与第二连通图具有相同标准二阶中心矩的第二椭圆;比对单元803,用于:针对K对待比对连通图中的每对待比对连通图,根据该对待比对连通图中第一连通图与第二连通图之间的第一类相对参数,以及第一椭圆与第二椭圆之间的第二类相对参数,确定出该对待比对连通图中的第一连通图与第二连通图的相似度;将该对待比对连通图中的第一连通图与第二连通图的相似度,作为该对待比对连通图的相似度。
可选的,第一类相对参数包括以下内容中的任一项或任多项:第一连通图的质心与第二连通图的质心之间的相对距离;第一连通图的平均灰度值与第二连通图的平均灰度值之间的差值;第二类相对参数包括以下内容中的任一项或任多项:第一椭圆的长轴长度与第二椭圆的长轴长度之间的差值;第一椭圆的短轴长度与第二椭圆的短轴长度之间的差值;第一椭圆的长轴与第二椭圆的长轴之间的夹角。
可选的,连通图确定单元801,用于:根据第一图片中各个像素的灰度值,计算出第一图片对应的梯度值,得到第一图片对应的梯度图像;从第一图片对应的梯度图像中确定出第一边缘像素,并根据第一边缘像素构建至少一个第一连通图;第一边缘像素为第一图片对应的梯度图像中的梯度值大于梯度阈值的像素;根据第二图片中各个像素的灰度值,计算出第二图片对应的梯度值,得到第二图片对应的梯度图像;从第二图片对应的梯度图像中确定出第二边缘像素,并根据第二边缘像素构建至少一个第二连通图;第二边缘像素为第二图片对应的梯度图像中的梯度值大于梯度阈值的像素。
上述产品可执行本申请实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本申请实施例所提供的方法。
本发明实施例提供一种计算机可读存储介质,计算机可读存储介质存储有计算机可执行指令,计算机可执行指令用于使计算机执行上述的方法。
本发明实施例提一种计算机设备,包括:存储器,用于存储程序指令;处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行上述所述的方法。
本领域内的技术人员应明白,本发明实施例可提供为方法、系统、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种图片比对的方法,其特征在于,包括:
从第一图片对应的梯度图像中确定出至少一个第一连通图;
从第二图片对应的梯度图像中确定出至少一个第二连通图;
根据同一规则,从所述至少一个第一连通图和所述至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;所述K为大于0的整数;
根据每对待比对连通图中的第一连通图和第二连通图的相似度,确定该对待比对连通图的相似度;
根据K对待比对连通图的相似度,确定所述第一图片和所述第二图片的相似度;
所述根据同一规则,从所述至少一个第一连通图和所述至少一个第二连通图中确定K对待比对连通图,包括:
从所述至少一个第一连通图中确定出面积最大的K个第一连通图,从至少一个第二连通图中确定出面积最大的K个第二连通图,组成K对待比对连通图;其中,每对待比对连通图中的第一连通图在所述K个第一连通图中的面积排序位置与该对待比对连通图中的第二连通图在所述K个第二连通图中的面积排序位置一致;
所述根据每对待比对连通图中的第一连通图和第二连通图的相似度,确定该对待比对连通图的相似度之前,还包括:
将所述第一图片和所述第二图片置于同一坐标系下,并针对每对待比对连通图,执行:
确定出所述第一连通图和所述第二连通图的质心坐标;
以所述第一连通图的质心坐标为圆心,拟合出与所述第一连通图具有相同标准二阶中心矩的第一椭圆;
以所述第二连通图的质心坐标为圆心,拟合出与所述第二连通图具有相同标准二阶中心矩的第二椭圆;
所述根据每对待比对连通图中的第一连通图和第二连通图的相似度,确定该对待比对连通图的相似度,包括:
针对所述K对待比对连通图中的每对待比对连通图,根据该对待比对连通图中所述第一连通图与所述第二连通图之间的第一类相对参数,以及所述第一椭圆与所述第二椭圆之间的第二类相对参数,确定出该对待比对连通图中的第一连通图与第二连通图的相似度;将该对待比对连通图中的第一连通图与第二连通图的相似度,作为该对待比对连通图的相似度;
所述第一类相对参数包括以下内容中的任一项或任多项:
所述第一连通图的质心与所述第二连通图的质心之间的相对距离;
所述第一连通图的平均灰度值与所述第二连通图的平均灰度值之间的差值;
所述第二类相对参数包括以下内容中的任一项或任多项:
所述第一椭圆的长轴长度与所述第二椭圆的长轴长度之间的差值;
所述第一椭圆的短轴长度与所述第二椭圆的短轴长度之间的差值;
所述第一椭圆的长轴与所述第二椭圆的长轴之间的夹角;所述第一类相对参数与待比对连通图的相似度成反比关系,所述第二类相对参数与待比对连通图的相似度成反比关系。
2.如权利要求1所述的方法,其特征在于,所述从第一图片对应的梯度图像中确定出至少一个第一连通图,包括:
根据所述第一图片中各个像素的灰度值,计算出所述第一图片对应的梯度值,得到所述第一图片对应的梯度图像;
从所述第一图片对应的梯度图像中确定出第一边缘像素,并根据所述第一边缘像素构建所述至少一个第一连通图;所述第一边缘像素为所述第一图片对应的梯度图像中的梯度值大于梯度阈值的像素;
所述从第二图片对应的梯度图像中确定出至少一个第二连通图,包括:
根据所述第二图片中各个像素的灰度值,计算出所述第二图片对应的梯度值,得到所述第二图片对应的梯度图像;
从所述第二图片对应的梯度图像中确定出第二边缘像素,并根据所述第二边缘像素构建所述至少一个第二连通图;所述第二边缘像素为所述第二图片对应的梯度图像中的梯度值大于所述梯度阈值的像素。
3.一种图片比对装置,其特征在于,包括:
连通图确定单元,用于从第一图片对应的梯度图像中确定出至少一个第一连通图;从第二图片对应的梯度图像中确定出至少一个第二连通图;
连通图对确定单元,用于根据同一规则,从所述至少一个第一连通图和所述至少一个第二连通图中确定K对待比对连通图;其中,每对待比对连通图包括一个第一连通图和一个第二连通图;所述K为大于0的整数;
比对单元,用于根据每对待比对连通图中的第一连通图和第二连通图的相似度,确定该对待比对连通图的相似度;根据K对待比对连通图的相似度,确定所述第一图片和所述第二图片的相似度;
所述连通图对确定单元,用于:
从所述至少一个第一连通图中确定出面积最大的K个第一连通图,从至少一个第二连通图中确定出面积最大的K个第二连通图,组成K对待比对连通图;其中,每对待比对连通图中的第一连通图在所述K个第一连通图中的面积排序位置与该对待比对连通图中的第二连通图在所述K个第二连通图中的面积排序位置一致;
所述装置还包括拟合单元,用于:
将所述第一图片和所述第二图片置于同一坐标系下,并针对每对待比对连通图,执行:
确定出所述第一连通图和所述第二连通图的质心坐标;
以所述第一连通图的质心坐标为圆心,拟合出与所述第一连通图具有相同标准二阶中心矩的第一椭圆;
以所述第二连通图的质心坐标为圆心,拟合出与所述第二连通图具有相同标准二阶中心矩的第二椭圆;
所述比对单元,用于针对所述K对待比对连通图中的每对待比对连通图,根据该对待比对连通图中所述第一连通图与所述第二连通图之间的第一类相对参数,以及所述第一椭圆与所述第二椭圆之间的第二类相对参数,确定出该对待比对连通图中的第一连通图与第二连通图的相似度;将该对待比对连通图中的第一连通图与第二连通图的相似度,作为该对待比对连通图的相似度;
所述第一类相对参数包括以下内容中的任一项或任多项:
所述第一连通图的质心与所述第二连通图的质心之间的相对距离;
所述第一连通图的平均灰度值与所述第二连通图的平均灰度值之间的差值;
所述第二类相对参数包括以下内容中的任一项或任多项:
所述第一椭圆的长轴长度与所述第二椭圆的长轴长度之间的差值;
所述第一椭圆的短轴长度与所述第二椭圆的短轴长度之间的差值;
所述第一椭圆的长轴与所述第二椭圆的长轴之间的夹角;所述第一类相对参数与待比对连通图的相似度成反比关系,所述第二类相对参数与待比对连通图的相似度成反比关系。
4.如权利要求3所述的装置,其特征在于,所述连通图确定单元,用于:
根据所述第一图片中各个像素的灰度值,计算出所述第一图片对应的梯度值,得到所述第一图片对应的梯度图像;
从所述第一图片对应的梯度图像中确定出第一边缘像素,并根据所述第一边缘像素构建所述至少一个第一连通图;所述第一边缘像素为所述第一图片对应的梯度图像中的梯度值大于梯度阈值的像素;
根据所述第二图片中各个像素的灰度值,计算出所述第二图片对应的梯度值,得到所述第二图片对应的梯度图像;
从所述第二图片对应的梯度图像中确定出第二边缘像素,并根据所述第二边缘像素构建所述至少一个第二连通图;所述第二边缘像素为所述第二图片对应的梯度图像中的梯度值大于所述梯度阈值的像素。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使所述计算机执行权利要求1至2任一权利要求所述的方法。
6.一种计算机设备,其特征在于,包括:
存储器,用于存储程序指令;
处理器,用于调用所述存储器中存储的程序指令,按照获得的程序执行如权利要求1至2任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711034360.3A CN107844803B (zh) | 2017-10-30 | 2017-10-30 | 一种图片比对的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711034360.3A CN107844803B (zh) | 2017-10-30 | 2017-10-30 | 一种图片比对的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107844803A CN107844803A (zh) | 2018-03-27 |
CN107844803B true CN107844803B (zh) | 2021-12-28 |
Family
ID=61681000
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711034360.3A Active CN107844803B (zh) | 2017-10-30 | 2017-10-30 | 一种图片比对的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107844803B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109389150B (zh) * | 2018-08-28 | 2022-04-05 | 东软集团股份有限公司 | 图像一致性比对方法、装置、存储介质及电子设备 |
CN109447154B (zh) * | 2018-10-29 | 2021-06-04 | 网易(杭州)网络有限公司 | 图片相似度检测方法、装置、介质及电子设备 |
CN114554294A (zh) * | 2022-03-04 | 2022-05-27 | 天比高零售管理(深圳)有限公司 | 一种直播内容的过滤和提示方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306173A (zh) * | 2011-08-25 | 2012-01-04 | 重庆理工大学 | 图像相似性比较方法 |
CN102722730A (zh) * | 2012-05-14 | 2012-10-10 | 河南理工大学 | 基于距离变换划分的不规则区域自动匹配方法 |
CN102799653A (zh) * | 2012-06-29 | 2012-11-28 | 中国科学院自动化研究所 | 一种基于空间连通域预定位的商标检测方法 |
CN104766084A (zh) * | 2015-04-10 | 2015-07-08 | 南京大学 | 一种多目标匹配的近复制图像检测方法 |
CN105096347A (zh) * | 2014-04-24 | 2015-11-25 | 富士通株式会社 | 图像处理装置和方法 |
CN105590092A (zh) * | 2015-11-11 | 2016-05-18 | 中国银联股份有限公司 | 一种识别图像中瞳孔的方法和装置 |
CN105608230A (zh) * | 2016-02-03 | 2016-05-25 | 南京云创大数据科技股份有限公司 | 一种基于图像检索的商家信息推荐系统及方法 |
CN106204552A (zh) * | 2016-06-30 | 2016-12-07 | 北京奇艺世纪科技有限公司 | 一种视频源的检测方法和装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101098241A (zh) * | 2006-06-26 | 2008-01-02 | 腾讯科技(深圳)有限公司 | 虚拟形象实现方法及其系统 |
US8243988B1 (en) * | 2008-07-31 | 2012-08-14 | Google Inc. | Clustering images using an image region graph |
CN101630407B (zh) * | 2009-06-05 | 2012-09-19 | 天津大学 | 基于两视几何和图分割的伪造区域定位方法 |
US20130027561A1 (en) * | 2011-07-29 | 2013-01-31 | Panasonic Corporation | System and method for improving site operations by detecting abnormalities |
US8762390B2 (en) * | 2011-11-21 | 2014-06-24 | Nec Laboratories America, Inc. | Query specific fusion for image retrieval |
US9536042B2 (en) * | 2013-03-15 | 2017-01-03 | International Business Machines Corporation | Using RNAi imaging data for gene interaction network construction |
CN103942797B (zh) * | 2014-04-24 | 2017-01-25 | 中国科学院信息工程研究所 | 基于直方图和超像素的场景图像文字检测方法及系统 |
CN104778242B (zh) * | 2015-04-09 | 2018-07-13 | 复旦大学 | 基于图像动态分割的手绘草图图像检索方法及系统 |
-
2017
- 2017-10-30 CN CN201711034360.3A patent/CN107844803B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102306173A (zh) * | 2011-08-25 | 2012-01-04 | 重庆理工大学 | 图像相似性比较方法 |
CN102722730A (zh) * | 2012-05-14 | 2012-10-10 | 河南理工大学 | 基于距离变换划分的不规则区域自动匹配方法 |
CN102799653A (zh) * | 2012-06-29 | 2012-11-28 | 中国科学院自动化研究所 | 一种基于空间连通域预定位的商标检测方法 |
CN105096347A (zh) * | 2014-04-24 | 2015-11-25 | 富士通株式会社 | 图像处理装置和方法 |
CN104766084A (zh) * | 2015-04-10 | 2015-07-08 | 南京大学 | 一种多目标匹配的近复制图像检测方法 |
CN105590092A (zh) * | 2015-11-11 | 2016-05-18 | 中国银联股份有限公司 | 一种识别图像中瞳孔的方法和装置 |
CN105608230A (zh) * | 2016-02-03 | 2016-05-25 | 南京云创大数据科技股份有限公司 | 一种基于图像检索的商家信息推荐系统及方法 |
CN106204552A (zh) * | 2016-06-30 | 2016-12-07 | 北京奇艺世纪科技有限公司 | 一种视频源的检测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107844803A (zh) | 2018-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111488756B (zh) | 基于面部识别的活体检测的方法、电子设备和存储介质 | |
CN109272016B (zh) | 目标检测方法、装置、终端设备和计算机可读存储介质 | |
CN108197618B (zh) | 用于生成人脸检测模型的方法和装置 | |
CN107301402B (zh) | 一种现实场景关键帧的确定方法、装置、介质及设备 | |
US8879847B2 (en) | Image processing device, method of controlling image processing device, and program for enabling computer to execute same method | |
CN110866871A (zh) | 文本图像矫正方法、装置、计算机设备及存储介质 | |
CN110909693A (zh) | 3d人脸活体检测方法、装置、计算机设备及存储介质 | |
CN109086734B (zh) | 一种对人眼图像中瞳孔图像进行定位的方法及装置 | |
CN107292318B (zh) | 基于中心暗通道先验信息的图像显著性物体检测方法 | |
CN107844803B (zh) | 一种图片比对的方法和装置 | |
CN105740775A (zh) | 一种三维人脸活体识别方法及其装置 | |
CN108322724B (zh) | 图像立体匹配方法以及双目视觉设备 | |
CN112102201B (zh) | 图像阴影反光消除方法、装置、计算机设备及存储介质 | |
CN110827312A (zh) | 一种基于协同视觉注意力神经网络的学习方法 | |
CN104574312A (zh) | 标靶图像求圆心的方法和装置 | |
CN112132812A (zh) | 证件校验方法、装置、电子设备及介质 | |
WO2021056501A1 (zh) | 提取特征点的方法、可移动平台及存储介质 | |
CN113557528B (zh) | 生成点云补全网络及点云数据处理方法、装置和系统 | |
CN107145892B (zh) | 一种基于自适应融合机制的图像显著性物体检测方法 | |
CN113724329A (zh) | 融合平面与立体信息的目标姿态估计方法、系统和介质 | |
CN111738085B (zh) | 实现自动驾驶同时定位与建图的系统构建方法及装置 | |
TW202127312A (zh) | 影像處理方法及存儲介質 | |
CN114694137B (zh) | 图像检测方法,三维成像方法及设备 | |
CN112183485B (zh) | 基于深度学习的交通锥桶检测定位方法、系统及存储介质 | |
CN112861678B (zh) | 一种图像识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |