Tensorflow第四课，图片相似度比较前的图片裁剪

使用Tensorflow来对图片相似度进行比较时，发现在进行相同的一张图片之间的比较时，是可以比较得出结果的。即MSE=0，ssim=1。说明这两张图片是相同的。其中主要MSE和SSIM公式分别通过下面的公式获得。

均分误差：

结构相似性：

但是在进行两个不同图片之间的比较时就会出现下面的报错：ValueError: operands could not be broadcast together with shapes (182,176) (185,173)。想了半天才明白应该是两个图片的长宽不一样，那么处理起来就会报错啊。然后我就进行了图片的裁剪处理，其主要代码如下：

def crop_or_pad(filePath):filename = [filePath]filename_queue = tf.train.string_input_producer(filename)reader = tf.WholeFileReader()key, value = reader.read(filename_queue)images = tf.image.decode_jpeg(value)  # tf.image.decode_png(value)CP_H = 180CP_W = 270# 裁切图片with tf.Session() as sess:coord = tf.train.Coordinator()threads = tf.train.start_queue_runners(coord=coord)reshapeimg = tf.image.resize_image_with_crop_or_pad(images, CP_H, CP_W)# reimg1的类型是<class 'numpy.ndarray'>reimg1 = reshapeimg.eval()scipy.misc.imsave('/root/PycharmProjects/ImageIdentification/Image/crop_or_pad1.jpg', reimg1)coord.request_stop()coord.join(threads)print('crop_or_pad successful!')

先对图片进行相应的裁剪，然后再把处理好的图片保存起来，然后在进行图片的加载和相似度比较就可以了。

# -*- coding: UTF-8 -*-
from skimage.measure import structural_similarity as ssim
import matplotlib.pyplot as plt
import numpy as np
import cv2
import tensorflow as tf
import scipy.miscdef mse(imageA, imageB):err = np.sum((imageA.astype("float") - imageB.astype("float")) ** 2)err /= float(imageA.shape[0] * imageA.shape[1])return errdef crop_or_pad(filePath):filename = [filePath]filename_queue = tf.train.string_input_producer(filename)reader = tf.WholeFileReader()key, value = reader.read(filename_queue)images = tf.image.decode_jpeg(value)  # tf.image.decode_png(value)CP_H = 180CP_W = 270# 裁切图片with tf.Session() as sess:coord = tf.train.Coordinator()threads = tf.train.start_queue_runners(coord=coord)reshapeimg = tf.image.resize_image_with_crop_or_pad(images, CP_H, CP_W)# reimg1的类型是<class 'numpy.ndarray'>reimg1 = reshapeimg.eval()scipy.misc.imsave('/root/PycharmProjects/ImageIdentification/Image/crop_or_pad1.jpg', reimg1)coord.request_stop()coord.join(threads)print('crop_or_pad successful!')def compare_images(imageA, imageB, title):m = mse(imageA, imageB)s = ssim(imageA, imageB)# setup the figurefig = plt.figure(title)  # 创建一个窗口plt.suptitle("MSE: %.2f, SSIM: %.2f" % (m, s))# show first imageax = fig.add_subplot(1, 2, 1) # 将窗口划分为1行两列的子图当前为第1个子图plt.imshow(imageA, cmap=plt.cm.gray) # 图片的绘制，plt.cm.gray显示为灰度图plt.axis("off") # 不显示坐标尺寸# show the second imageax = fig.add_subplot(1, 2, 2) # 将窗口划分为1行两列的子图当前为第2个子图plt.imshow(imageB, cmap=plt.cm.gray)plt.axis("off")# show the imagesplt.show() # 显示窗口
if __name__ == '__main__':#图片格式转化,转化成长和宽一致的图片crop_or_pad('/root/PycharmProjects/ImageIdentification/Image/image2.jpg')# 图片加载original = cv2.imread("/root/PycharmProjects/ImageIdentification/Image/crop_or_pad.jpg")contrast = cv2.imread("/root/PycharmProjects/ImageIdentification/Image/crop_or_pad1.jpg")shopped = cv2.imread("/root/PycharmProjects/ImageIdentification/Image/crop_or_pad.jpg")# 图片的灰阶转化# convert the images to grayscaleoriginal = cv2.cvtColor(original, cv2.COLOR_BGR2GRAY)contrast = cv2.cvtColor(contrast, cv2.COLOR_BGR2GRAY)shopped = cv2.cvtColor(shopped, cv2.COLOR_BGR2GRAY)# 彩色图片的灰阶转化：对于彩色图片也可以通过灰阶实现# Gray = R * 0.299 + G * 0.587 + B * 0.114fig = plt.figure("Images")images = ("Original", original), ("Contrast", contrast), ("Photoshopped", shopped)# loop over the imagesfor (i, (name, image)) in enumerate(images):# show the imageax = fig.add_subplot(1, 3, i + 1)ax.set_title(name)plt.imshow(image, cmap=plt.cm.gray)plt.axis("off")# show the figureplt.show()# compare the imagescompare_images(original, original, "Original vs. Original")compare_images(original, contrast, "Original vs. Contrast")compare_images(original, shopped, "Original vs. Photoshopped")

图片比较结果：

通过图片自身比较可知，MSE为0，表示相似度完全相同。

两个不同图片之间的比较，可以看出MSE很大，说明相似度很小。

Tensorflow第四课，图片相似度比较前的图片裁剪相关推荐

jsp图片上传提交前，图片显示在页面上
<divclass="upload_box"> <b>上传图片</b> <inputtype="file"name=& ...
【python 图片相似度】直方图计算图片相似度
直方图能够描述一幅图像中颜色的全局分布,而且容易理解和实现,所以入门级的图像相似度计算都是使用它的. 直方图算法是对源图像与要筛选的图像进行直方图数据采集,对采集的各自图像直方图进行归一化再使用巴氏系 ...
图片相似度识别算法,百度图片识别算法
图像识别算法都有哪些图像识别算法:1人脸识别类(Eigenface,Fisherface算法特别多),人脸检测类(j-v算法,mtcnn)2车牌识别类,车型识别类(cnn)3字符识别(cnn)... ...
android 图片相似度比对,Android图片对比（图片相似度）代码
声明这俩天在做图片对比的工具,这里将对比的核心功能代码贴上来共同学习,有什么缺点和不足请大家指出,谢谢.Lee出品,转载请注明出处:http://blog.csdn.net/hnulwt/artic ...
图片相似度计算：深入理解DCT变换以及感知哈希
缘起 Android上硬件编解码一直是个老大难问题,就解码来说,硬解码本身并不困难,只要按照MediaCodec的流程开发即可.但由于系统碎片化,硬件规格不一致,硬件解码会到黑屏,花屏,绿屏之类的显示 ...
【python 以图搜图】三种图片相似度计算融合算法
目标:在一个文件夹找出相似度较高的图片,达到以图搜图的目的. 我找了十组,都是高度相似的图片. 核心算法: 1.分别自定义三种计算图片相似度算法,计算图片相似度算法ORB算法,以及局部敏感哈希phas ...
一种基于颜色统计和特征指纹的图片相似度计算方法
一种基于颜色统计和特征指纹的图片相似度计算方法 1.摘要图片相似度有很多实际应用,比如谷歌搜图.淘宝识物购买,现在很多类似应用已经使用神经网络训练实现,但是本文仅仅从图像处理角度出发,根据图像内容特 ...
广告行业中那些趣事系列39：实战广告场景中的图片相似度识别任务
导读:本文是"数据拾光者"专栏的第三十九篇文章,这个系列将介绍在广告行业中自然语言处理和推荐系统实践.本篇从理论到实践介绍了广告场景中的图片相似度识别任务,对于希望解决图片相似度识 ...
独家 | 利用孪生网络，Keras，Tensorflow比较图片相似度
作者:Adrian Rosebrock 翻译:张一然校对:wwl 本文约3700字,建议阅读8分钟. 在本文中,您将学习如何使用孪生网络和深度学习库Keras / TensorFlow比较两个图像的 ...

Tensorflow第四课，图片相似度比较前的图片裁剪

Tensorflow第四课，图片相似度比较前的图片裁剪相关推荐

最新文章

热门文章