花40分钟写一个-CBIR引擎-代码公开

      浏览网页的时候发现一篇不错的文章"用Python和OpenCV创建一个图片搜索引擎的完整指南"http://python.jobbole.com/80860/.作者在浏览自己旅游的照片的时候，发现照片太多了分类不过来，一时技痒写了个分类软件，虽然简单但是有用。关键的是我发现他在原文中使用了半个小时就写出来了。

       蛮快的嘛，我想。那么我要用多长时间写出来了，毕竟对于CBIR也是研究过的。

       那么立即来做，首先我要找到是图片。我没有那么多旅游图片（汗），但是别人的照片也是可以一样用的。找到了之前专门用于测试CBIR的图片集，大概是这个样子

        就是各种奇奇怪怪的照片。然后搭建opencv的基本框架。我们python用的不熟，但是c++下面自己是有类库的，所以用起来也不是很复杂

       首先是读入所有的图片：

//递归读取目录下全部文件
void getFiles(string path, vector<string>& files,string flag){
    //文件句柄
    long   hFile   =   0;
    //文件信息
    struct _finddata_t fileinfo;
    string p;
    if((hFile = _findfirst(p.assign(path).append("\*").c_str(),&fileinfo)) !=  -1){
        do{
            //如果是目录,迭代之,如果不是,加入列表
            if((fileinfo.attrib &  _A_SUBDIR)){
                if(strcmp(fileinfo.name,".") != 0  &&  strcmp(fileinfo.name,"..") != 0 && flag=="r")
                    getFiles( p.assign(path).append("\").append(fileinfo.name), files,flag );
            }
            else{
                files.push_back(p.assign(path).append("\").append(fileinfo.name) );
            }
        }while(_findnext(hFile, &fileinfo)  == 0);
        _findclose(hFile);
    }
}
//递归读取目录下全部图片
void getFiles(string path, vector<Mat>& files,string flag){
    vector<string> fileNames;
    getFiles(path,fileNames,flag);
    for (int i=0;i<fileNames.size();i++){
        Mat tmp = imread(fileNames[i]);
        if (tmp.rows>0)//如果是图片
            files.push_back(tmp);
    }
}
//递归读取目录下全部图片和名称
void getFiles(string path, vector<pair<Mat,string>>& files,string flag){
    vector<string> fileNames;
    getFiles(path,fileNames,flag);
    for (int i=0;i<fileNames.size();i++){
        Mat tmp = imread(fileNames[i]);
        if (tmp.rows>0){
               pair<Mat,string> apir;
               apir.first = tmp;
               apir.second = fileNames[i];
               files.push_back(apir);
        }
    }
}

然后是编写hsv距离，这个参考以前的资料

double GetHsVDistance(Mat src_base,Mat src_test1){
    Mat   hsv_base;
    Mat   hsv_test1;
    ///  Convert  to  HSV
    cvtColor(  src_base,  hsv_base,  COLOR_BGR2HSV  );
    cvtColor(  src_test1,  hsv_test1,  COLOR_BGR2HSV  );
    ///  Using  50  bins  for  hue  and  60  for  saturation
    int  h_bins  =  50;  int  s_bins  =  60;
    int  histSize[]  =  {  h_bins,  s_bins  };
    //  hue  varies  from  0  to  179,  saturation  from  0  to  255
    float  h_ranges[]  =  {  0,  180  };
    float  s_ranges[]  =  {  0,  256  };
    const  float*  ranges[]  =  {  h_ranges,  s_ranges  };
    //  Use  the  o-th  and  1-st  channels
    int  channels[]  =  {  0,  1  };
    ///  Histograms
    MatND  hist_base;
    MatND  hist_test1;
    ///  Calculate  the  histograms  for  the  HSV  images
    calcHist(  &hsv_base,  1,  channels,  Mat(),  hist_base,  2,  histSize,  ranges,  true,  false  );
    normalize(  hist_base,  hist_base,  0,  1,  NORM_MINMAX,  -1,  Mat()  );
    calcHist(  &hsv_test1,  1,  channels,  Mat(),  hist_test1,  2,  histSize,  ranges,  true,  false  );
    normalize(  hist_test1,  hist_test1,  0,  1,  NORM_MINMAX,  -1,  Mat()  );
    ///  Apply  the  histogram  comparison  methods
    double  base_test1  =  compareHist(  hist_base,  hist_test1,  0  );
    return base_test1;
}

封装成函数。这个函数比原文中作者提出的方法要简单，我偷懒了。

然后就是要编写主函数程序，这个比较麻烦的地方就是要比较出最前面的10 个图片 。我采用比较笨的方法，赶时间嘛：

int _tmain(int argc, _TCHAR* argv[])
{    
    vector<pair<Mat,string>> imagepairs;
    vector<double> dresult;
    double dmax = 0;
    int imax = -1;
    
    //读入图片
    getFiles("images",imagepairs);
    Mat src = imread("images/0.jpg");
    //距离测算
    for (int i=0;i<imagepairs.size();i++){
        double tmp = GetHsVDistance(src,imagepairs[i].first);
        if (tmp ==1)
            tmp =0;//不能搞自己
        char cbuf[1024];
        sprintf_s(cbuf,"dst/%d.jpg",i);
        dresult.push_back(tmp);//推入vecresult中
    }
    //寻找前10个图片
    for (int index = 0;index<10;index++){
        for (int i=0;i<imagepairs.size();i++){
            if (dresult[i]>dmax){
                dmax = dresult[i];
                imax = i;
            }
        }
        char cbuf[1024];
        sprintf_s(cbuf,"dst/%d.jpg",index);
        imwrite(cbuf,imagepairs[imax].first);
        dresult[imax] = 0;//剔出队列
        dmax = 0;
        imax = -1;
    }
    printf("OK");
    waitKey();
    return 0;
}

 

前后花了40-50分钟时间，最后的效果不如作者的效果。主要差距在核心算法上面。看来日常的算法总结重构的确很有价值。

这篇文章先写到这里，最近事多，等到闲下来再进行重构。欢迎大家批评指正。

 

来自为知笔记(Wiz)