您當前位置：首頁 > 互聯網 > 用圖片搜索相似圖片（視覺單詞）

用圖片搜索相似圖片（視覺單詞）

來源：程序員人生發布時間：2015-03-10 07:51:52 閱讀次數：3740次

代碼地址

代碼GitHub地址

準備文件

vlfeat（SIFT的開源實現）：下載地址
解壓后將vlfeat-0.9.20inwin32加到系統的Path路徑中，以便在命令行用sift命令
安裝pysqlite：pip install pysqlite
安裝matplotlib：pip isntall matplotlib
安裝cherryPy（輕量級網頁服務器）：pip install cherrypy
圖片庫：10000張貓咪圖片

流程

用vlfeat（SIFT特點模型）提取每張圖片的特點點
將每張圖的特點點采樣聚類成圖片的視覺單詞
即視覺單詞，就是對應圖片的代表
創建數據庫，將每張圖片的視覺單詞入庫，并建立索引
編寫cherryPy的web利用，根據點擊的圖片搜索類似的圖片

提取圖片特點點并生成單詞文件

條件保證cmd能履行sift命令
CMD履行Step1.py

# -*- coding:utf⑻ -*-
# Step1.py：提取圖片的特點點并生成單詞文件vocabulary.pkl
import pickle
import vocabulary
import imtools
import sift

# imlist是圖片名字的列表，圖片放在static文件夾下
imlist = imtools.get_imlist('static/')

# 圖片的總數
nbr_images = len(imlist)

# 將每張圖片的特點點寄存進對應的.sift特點文件中
featlist = [ imlist[i][:-3]+'sift' for i in range(nbr_images)]

for i in range(nbr_images):
        sift.process_image(imlist[i], featlist[i])

# 利用k-means對圖片特點文件聚類訓練出對應的單詞
# 時間關系，這里只用了46張圖做例子，所以只創建46個單詞
voc = vocabulary.Vocabulary('imagewords')
voc.train(featlist, 46, 10)

# 將單詞都保存到vocabulary.pkl中
with open('vocabulary.pkl', 'wb') as f:
    pickle.dump(voc,f)

# 打印出單詞總數量
print 'vocabulary is:', voc.name, voc.nbr_words

將圖片單詞信息存進數據庫

數據庫是sqlite
CMD履行：Step2.py

# -*- coding:utf⑻ -*-
# Step2.py:根據單詞文件，將圖片單詞入sqlite數據庫
import pickle
import sift
import imagesearch
import imtools

# 圖片名字的列表
imlist = imlist = imtools.get_imlist('static/')
# 圖片的數量
nbr_images = len(imlist)
# 對應圖片特點文件的列表
featlist = [ imlist[i][:-3]+'sift' for i in range(nbr_images)]

# 載入單詞文件
# 將單詞，圖片名，地址存進數據庫images.db
with open('vocabulary.pkl', 'rb')as f:
    voc = pickle.load(f)

indx = imagesearch.Indexer('images.db', voc)
indx.create_tables()

for i in range(nbr_images):
    locs,descr = sift.read_features_from_file(featlist[i])
    indx.add_to_index(imlist[i],descr)

# 將命令提交履行
indx.db_commit()

配置cherryPy網頁利用

沒點擊圖片時隨機顯示15張圖片
點擊其中1張貓貓圖片，搜索類似的圖片顯示出來
本質是根據點擊圖片的單詞，尋覓在數據庫中與之相近的單詞，并將其顯示出來
CMD履行Step3.py
在閱讀器閱讀：127.0.0.1:8080

# -*- coding:utf⑻ -*-
# Step3.py：用cherryPy做交互界面，顯示結果
import cherrypy, os, urllib, pickle
import imtools
from numpy import *
import imagesearch

# cherryPy頁面
# 網頁根目錄在配置文件service.conf中設置
# 默許端口是8080
class SearchImage:

    def __init__(self):
        # 加載圖片名字列表
        self.imlist = imtools.get_imlist('static/')
        self.nbr_images = len(self.imlist)
        self.ndx = range(self.nbr_images)

        # 加載生成好的單詞文件
        f = open('vocabulary.pkl', 'rb')
        self.voc = pickle.load(f)
        f.close()

        # 設置開始顯示的圖片數目
        self.maxres = 15

        # 設置頁面的結構
        self.header = """
            <!doctype html>
            <head>
            <title>Image search example</title>
            </head>
            <body>
            """
        self.footer = """
            </body>
            </html>
            """

    # 響應index頁面
    # 沒有搜索的時候隨機顯示圖片
    # 搜索的時候顯示與該圖片類似的圖片，根據視覺單詞
    def index(self,query=None):
        self.src = imagesearch.Searcher('images.db', self.voc)

        html = self.header
        html += """
            <br />
            Click an image to search. <a href='?query='> Random selection </a> of images.
            <br /><br />
            """
        if query:
            # 顯示查詢結果的圖片
            res = self.src.query(query)[:self.maxres]
            for dist,ndx in res:
                imname = self.src.get_filename(ndx)
                html += "<a href='?query="+imname+"'>"
                html += "<img src='"+imname+"' width='100' />"
                html += "</a>"
        else:
            # 隨機顯示圖片
            random.shuffle(self.ndx)
            for i in self.ndx[:self.maxres]:
                imname = self.imlist[i]
                html += "<a href='?query="+imname+"'>"
                html += "<img src='"+imname+"' width='100' />"
                html += "</a>"

        html += self.footer
        return html

    index.exposed = True

# 啟動利用
cherrypy.quickstart(SearchImage(), '/', os.path.join(os.path.dirname(__file__), 'service.conf'))