CN102306173B - 图像相似性比较方法 - Google Patents

Abstract

本发明公开了一种图像相似性比较方法，属于图像检索领域。针对彩色图像，本方法将其划分成多个不规则图形，通过比较各不规则图形的相似性实现图像相似性的比较。本发明简单、易于实现，且可用于判断两幅图像是否相似，应用于图像检索方面，可增强匹配的准确度，有利于提高图像检索的效率。

Description

图像相似性比较方法

技术领域

本发明涉及一种图像相似性比较方法，尤其是一种通过比较不规则图形实现图像相似性比较的方法。

背景技术

九十年代末，伴随着网络带宽的增长、大规模存储介质的普及以及多媒体应用的兴起，再加上图片在表意能力上相比于文字拥有先天的优势，图片被越来越多的应用于内容的表达和信息的承载。

为了从网络上数以百万计的图像中快速以及准确的搜索到用户所需求的图像，匹配算法至关重要。传统的图像匹配算法存在很多不足，比如颜色直方图交集法，只考虑到图像中某种颜色所占比例，而忽略了各种颜色在图像中的空间分布信息等。在示例图像检索中运用传统的图像匹配算法通常检索的效率和准确度都比较低。

发明内容

本发明的目的是提供一种更加简单的图像相似性比较方法，其应用于示例图像检索中可以提高检索的效率和准确度。

为了实现上述目的，本发明提供了一种图像相似性比较方法，包括以下步骤：

S1、分别以目标图像A、对比图像B左上角的第一个像素点为原点建立坐标系，设定横坐标X轴向右为正方向，纵坐标Y轴向下为正方向； 

S2、将所述目标图像A依照图中所含颜色划分为多个目标不规则图形，将所述对比图像B依照图中所含颜色划分为多个对比不规则图形，比较目标不规则图形与对比不规则图形，执行以下步骤：

（01）分别记录所述目标不规则图形的重心A₀的坐标为（Ax₀，Ay₀），所述对比不规则图形的重心B₀的坐标为（Bx₀，By₀），并且将两重心坐标（Ax₀，Ay₀）、（Bx₀，By₀）分别换算成相对坐标（AX₀，AY₀）、（BX₀，BY₀），其中AX₀= Ax₀/L_A，BX₀= Bx₀/L_B ，AY₀= Ay₀/W_A，BY₀= By₀/W_B，L_A表示目标图像A的长度，W_A表示目标图像A的宽度；L_B表示目标图像B的长度，W_B表示目标图像B的宽度；

（02）比较所述目标不规则图形与所述对比不规则图形中重心的相对坐标（AX₀，AY₀）、（BX₀，BY₀），当两相对坐标的差值≤第一阀值时表示两者相近，则继续执行，否则表示所述目标不规则图形与所述对比不规则图形不相似；

（03）设定所述目标不规则图形中边界点Ai的坐标为（Ax_i，Ay_i），所述比较不规则图形中边界点Bj的坐标为（Bx_j，By_j），判断所述边界点Ai相对于重心A₀的方向是否与所述边界点Bj相对于重心B₀的方向相同，如果相同则继续执行以下步骤，否则循环执行此步骤，其中1≤i≤n，1≤j≤m，n、m均为自然数；

（04）根据欧式距离公式计算出所述边界点Ai到重心A₀的距离为di=                                                ，以及所述边界点Bj到重心B₀的距离为Dj=

，且求取所述边界点Ai到重心A₀的距离di与边界点Bj到重心B₀的距离Dj的比值ri= di/Dj，其中1≤i≤n，n为自然数；

（05）重复步骤（03）～（04），直至完成所述目标不规则图形与所述比较不规则图形中所有边界点的处理，得到所有距离比值的序列Ri，其中1≤i≤n，n为自然数；

（06）找出序列Ri中的最大比值max（Ri）和最小比值min（Ri），如果最大比值max（Ri）与最小比值min（Ri）的比值减去1小于第二阀值，即| max（Ri）/ min（Ri）-1|<第二阀值，则表示所述目标不规则图形与所述对比不规则图形相似；

（07）当划分的所有目标不规则图形对应与对比不规则图形均相似时，确定所述目标图像A与所述对比图像B相似。

所述步骤（03）中判断所述边界点Ai相对于重心A₀的方向是否与所述边界点Bj相对于重心B₀的方向相同，按照以下步骤执行：

（030）计算所述边界点Ai与重心A₀的横纵坐标差值，即Δx=Ax_i-Ax₀，Δy=Ay_i-Ay₀，确定所述边界点Ai的象限值N_Ai；计算所述边界点Bj与重心B₀的横纵坐标差值，即Δx’=Bx_j-Bx₀，Δy’=By_j-By₀，确定所述边界点Bj的象限值N_Bj；其中1≤i≤n，1≤j≤m，n、m均为自然数；

（031）计算出所述边界点Ai相对于重心A₀的正切值T_Ai=tanθ=|Δy/Δx|，计算出所述边界点Bj相对于重心B₀的正切值T_Bj=tanθ=|Δy’/Δx’|；

（032）比较所述正切值T_Ai、T_Bj以及象限值N_Ai、N_Bj，如果两正切值的差值≤第三阀值，且两象限值相等，则表示所述边界点Ai相对于重心A₀的方向与所述边界点Bj相对于重心B₀的方向相同，继续执行，否则返回执行步骤（030）。

所述步骤（030）中四个不同象限值的划分为：

当Δx>0，Δy>0时N_Ai=4，当Δx<0，Δy>0时N_Ai=3，当Δx<0，Δy<0时N_Ai=2，当Δx>0，Δy<0时N_Ai=1；

当Δx’>0，Δy’>0时N_Bj=4，当Δx’<0，Δy’>0时N_Bj=3，当Δx’<0，Δy’<0时N_Bj=2，当Δx’>0，Δy’<0时N_Bj=1。

在划分不规则图形时，采用区域增长算法来实现；在判断某个像素点是否可归类到某区域时，判断依据为：该像素点的颜色值是否与区域原始点的颜色值差值≤第四阀值。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

该图像相似性比较方法运算简单，针对彩色图像划分为多个不规则图形，通过对各不规则图形的相似性判定实现彩色图像的相似性判定；应用于示例图像检索中可以提高检索的效率和准确度。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是本发明的流程图；

图2是判断两图像中边界点相对于重心的方向是否相同的流程图；

图3是本发明中不规则图形的重心的示意图；

图4是本发明中不规则图形的边界点距离重心的示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书（包括任何附加权利要求、摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

如图1所示，该图像相似性比较方法由以下步骤组成：

S1、分别以目标图像A、对比图像B左上角的第一个像素点为原点建立坐标系，设定横坐标X轴向右为正方向，纵坐标Y轴向下为正方向。通常情况下，图像的形状均为四方形，因此建立坐标系时还可以目标图像A、对比图像B中另外三个角（即左下角、右上角和右下角）的第一个像素点为原点建立坐标系：以左下角的第一个像素点为原点建立坐标系时，横坐标X轴向右为正方向，纵坐标Y轴向上为正方向；以右上角的第一个像素点为原点建立坐标系时，横坐标X轴向左为正方向，纵坐标Y轴向下为正方向；以右下角的第一个像素点为原点建立坐标系时，横坐标X轴向左为正方向，纵坐标Y轴向上为正方向。

S2、将所述目标图像A依照图中所含颜色划分为多个目标不规则图形，将所述对比图像B依照图中所含颜色划分为多个对比不规则图形，比较目标不规则图形与对比不规则图形，执行以下步骤：

（01）分别记录所述目标不规则图形的重心A₀的坐标为（Ax₀，Ay₀），所述对比不规则图形的重心B₀的坐标为（Bx₀，By₀），并且将两重心坐标（Ax₀，Ay₀）、（Bx₀，By₀）分别换算成相对坐标（AX₀，AY₀）、（BX₀，BY₀），其中AX₀= Ax₀/L_A，BX₀= Bx₀/L_B ，AY₀= Ay₀/W_A，BY₀= By₀/W_B，L_A表示目标图像A的长度，W_A表示目标图像A的宽度；L_B表示目标图像B的长度，W_B表示目标图像B的宽度。

（02）比较目标不规则图形与对比不规则图形中重心的相对坐标（AX₀，AY₀）、（BX₀，BY₀），当两相对坐标的差值≤第一阀值时表示两重心坐标相近，则继续执行以下步骤，否则表示目标不规则图形与对比不规则图形不相似，其中第一阀值的设定根据用户的需求而定，第一阀值越大则检索图像的精确度就越低，相反第一阀值越小则检索图像的精确度地就越高。

（03）设定目标不规则图形中边界点Ai的坐标为（Ax_i，Ay_i），比较不规则图形中边界点Bj的坐标为（Bx_j，By_j），求取边界点Ai相对于重心A₀的方向以及边界点Bj相对于重心B₀的方向，判断两者的方向是否相同，如果相同则继续执行以下步骤，否则循环执行此步骤，其中1≤i≤n，1≤j≤m，n、m均为自然数；

判断上述边界点Ai相对于重心A₀的方向是否与边界点Bj相对于重心B₀的方向相同的方法很多，诸如采用正弦值等与象限值相结合来表示边界点相对于重心的方向等。本实施例中采用比较边界点的正切值与象限值相结合的方法，来判断边界点相对于重心的方向。具体按照以下步骤执行，如图2所示：

（030）计算所述边界点Ai与重心A₀的横纵坐标差值，即Δx=Ax_i-Ax₀，Δy=Ay_i-Ay₀，确定所述边界点Ai的象限值N_Ai；计算所述边界点Bj与重心B₀的横纵坐标差值，即Δx’=Bx_j-Bx₀，Δy’=By_j-By₀，确定所述边界点Bj的象限值N_Bj；其中1≤i≤n，1≤j≤m，n、m均为自然数；象限值的划分可以采用多种方式，本实施例中四个象限值具体划分为：当Δx>0，Δy>0时N_Ai=4，当Δx<0，Δy>0时N_Ai=3，当Δx<0，Δy<0时N_Ai=2，当Δx>0，Δy<0时N_Ai=1；且当Δx’>0，Δy’>0时N_Bj=4，当Δx’<0，Δy’>0时N_Bj=3，当Δx’<0，Δy’<0时N_Bj=2，当Δx’>0，Δy’<0时N_Bj=1。当然，根据实际需要还可以赋予象限值不同的值。

（031）如图4所示，计算出所述边界点Ai相对于重心A₀的正切值T_Ai=tanθ=|Δy/Δx|，计算出所述边界点Bj相对于重心B₀的正切值T_Bj=tanθ=|Δy’/Δx’|；

（032）比较所述边界点Ai、Bj的正切值T_Ai、T_Bj以及象限值N_Ai、N_Bj，如果两正切值的差值≤第三阀值，且两象限值相等，则表示所述边界点Ai相对于重心A₀的方向与所述边界点Bj相对于重心B₀的方向相同，继续执行，否则返回执行步骤（030）。

同样地，第三阀值的设定根据用户的需求而定，第三阀值越大则检索图像的精确度就越低，相反第三阀值越小则检索图像的精确度地就越高。

（04）根据欧式距离公式计算出所述边界点Ai到重心A₀的距离为di=

，以及所述边界点Bj到重心B₀的距离为Dj=

，且求取所述边界点Ai到重心A₀的距离di与边界点Bj到重心B₀的距离Dj的比值ri= di/Dj，其中1≤i≤n，n为自然数；

（05）重复步骤（03）～（04），直至完成目标不规则图形与比较不规则图形中所有边界点的处理，得到所有距离比值的序列Ri，其中1≤i≤n，n为自然数；

（06）找出序列Ri中的最大比值max（Ri）和最小比值min（Ri），如果最大比值max（Ri）与最小比值min（Ri）的比值减去1小于第二阀值，即| max（Ri）/ min（Ri）-1|<第二阀值，则表示所述目标不规则图形与所述对比不规则图形相似；

（07）当划分的所有目标不规则图形对应与对比不规则图形均相似时，确定所述目标图像A与所述对比图像B相似。

本实施例中在划分不规则图形时，采用区域增长算法来实现；在判断某个像素点是否可归类到某区域时，判断依据为：该像素点的颜色值是否与区域原始点的颜色值差值≤第四阀值，其中第四阀值的设定根据用户的需求而定，第四阀值越大则检索图像的精确度就越低，相反第四阀值越小则检索图像的精确度地就越高。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。

Claims (4)

1.一种图像相似性比较方法，其特征在于包括以下步骤：

S1、分别以目标图像A、对比图像B左上角的第一个像素点为原点建立坐标系，设定横坐标X轴向右为正方向，纵坐标Y轴向下为正方向； 

S2、将所述目标图像A依照图中所含颜色划分为多个目标不规则图形，将所述对比图像B依照图中所含颜色划分为多个对比不规则图形，比较目标不规则图形与对比不规则图形，执行以下步骤：

（01）分别记录所述目标不规则图形的重心A₀的坐标为（Ax₀，Ay₀），所述对比不规则图形的重心B₀的坐标为（Bx₀，By₀），并且将两重心坐标（Ax₀，Ay₀）、（Bx₀，By₀）分别换算成相对坐标（AX₀，AY₀）、（BX₀，BY₀），其中AX₀= Ax₀/L_A，BX₀= Bx₀/L_B ，AY₀= Ay₀/W_A，BY₀= By₀/W_B，L_A表示目标图像A的长度，W_A表示目标图像A的宽度；L_B表示目标图像B的长度，W_B表示目标图像B的宽度；

（02）比较所述目标不规则图形与所述对比不规则图形中重心的相对坐标（AX₀，AY₀）、（BX₀，BY₀），当两相对坐标的差值≤第一阀值时表示两者相近，则继续执行，否则表示所述目标不规则图形与所述对比不规则图形不相似；

（03）设定所述目标不规则图形中边界点Ai的坐标为（Ax_i，Ay_i），所述比较不规则图形中边界点Bj的坐标为（Bx_j，By_j），判断所述边界点Ai相对于重心A₀的方向是否与所述边界点Bj相对于重心B₀的方向相同，如果相同则继续执行以下步骤，否则循环执行此步骤，其中1≤i≤n，1≤j≤m，n、m均为自然数；

（04）根据欧式距离公式计算出所述边界点Ai到重心A₀的距离为di=                                                

，以及所述边界点Bj到重心B₀的距离为Dj=

，且求取所述边界点Ai到重心A₀的距离di与边界点Bj到重心B₀的距离Dj的比值ri= di/Dj，其中1≤i≤n，n为自然数；

（05）重复步骤（03）～（04），直至完成所述目标不规则图形与所述比较不规则图形中所有边界点的处理，得到所有距离比值的序列Ri，其中1≤i≤n，n为自然数；

（06）找出序列Ri中的最大比值max（Ri）和最小比值min（Ri），如果最大比值max（Ri）与最小比值min（Ri）的比值减去1小于第二阀值，即| max（Ri）/ min（Ri）-1|<第二阀值，则表示所述目标不规则图形与所述对比不规则图形相似；

（07）当划分的所有目标不规则图形对应与对比不规则图形均相似时，确定所述目标图像A与所述对比图像B相似。

2.根据权利要求1所述的图像相似性比较方法，其特征在于：所述步骤（03）中判断所述边界点Ai相对于重心A₀的方向是否与所述边界点Bj相对于重心B₀的方向相同，按照以下步骤执行：

（030）计算所述边界点Ai与重心A₀的横纵坐标差值，即Δx=Ax_i-Ax₀，Δy=Ay_i-Ay₀，确定所述边界点Ai的象限值N_Ai；计算所述边界点Bj与重心B₀的横纵坐标差值，即Δx’=Bx_j-Bx₀，Δy’=By_j-By₀，确定所述边界点Bj的象限值N_Bj；其中1≤i≤n，1≤j≤m，n、m均为自然数；

（031）计算出所述边界点Ai相对于重心A₀的正切值T_Ai=tanθ=|Δy/Δx|，计算出所述边界点Bj相对于重心B₀的正切值T_Bj=tanθ=|Δy’/Δx’|；

（032）比较所述正切值T_Ai、T_Bj以及象限值N_Ai、N_Bj，如果两正切值的差值≤第三阀值，且两象限值相等，则表示所述边界点Ai相对于重心A₀的方向与所述边界点Bj相对于重心B₀的方向相同，继续执行，否则返回执行步骤（030）。

3.根据权利要求2所述的图像相似性比较方法，其特征在于：所述步骤（030）中四个不同象限值的划分为：

当Δx>0，Δy>0时N_Ai=4，当Δx<0，Δy>0时N_Ai=3，当Δx<0，Δy<0时N_Ai=2，当Δx>0，Δy<0时N_Ai=1；

当Δx’>0，Δy’>0时N_Bj=4，当Δx’<0，Δy’>0时N_Bj=3，当Δx’<0，Δy’<0时N_Bj=2，当Δx’>0，Δy’<0时N_Bj=1。

4.根据权利要求1所述的图像相似性比较方法，其特征在于：在划分不规则图形时，采用区域增长算法来实现；在判断某个像素点是否可归类到某区域时，判断依据为：该像素点的颜色值是否与区域原始点的颜色值差值≤第四阀值。

Images