Сравнение изображений с использованием цветовой разности

Question

Я пытаюсь найти хороший метод для сравнения двух изображений с точки зрения их цвета. Одна из моих идей заключалась в том, чтобы взять средний цвет обоих изображений и вычесть эту сумму, чтобы получить «цветное расстояние». Какое бы два изображения имели наименьшее расстояние цвета, было бы совпадением. Это похоже на жизнеспособный вариант для идентификации изображения из базы данных изображений?

В идеале я хотел бы использовать это для определения игральных карт, которые можно положить через сканер изображений.

Например, если бы я сканировал реальную версию this card на свой компьютер, я хотел бы иметь возможность сравнить это со всеми изображениями в моей базе данных, чтобы найти ближайший.

Обновление: Я забыл упомянуть о проблемах, связанных с моей конкретной проблемой.

1. Отсканированное изображение карты и исходное изображение карты, скорее всего, будут разных размеров (с точки зрения ширины и высоты).
2. Мне нужно сделать это максимально эффективным. Я планирую использовать это для сканирования/идентификации сотен карт одновременно. Я полагал, что поиск (и сохранение) одного среднего значения цвета для каждого изображения будет гораздо более эффективным, чем сравнение отдельных пикселей каждого изображения в базе данных (база данных имеет более 10 000 изображений) для каждой отсканированной карты, которая должна быть идентифицирована , Причина, по которой я спрашивал об этом, заключалась в том, чтобы увидеть, пытался ли кто-нибудь сравнить средние значения цвета раньше как средство распознавания изображений. У меня такое чувство, что это может не сработать, как я себе представляю из-за проблем с точностью и точностью цвета.

Update 2: Вот пример того, что я предполагая.

изображение, чтобы быть идентифицированы = A

Изображения в базе данных = {D , D }

средний цвет изображения А = ср (А) = # 8ba489

средний цвет изображений в базе данных = {# 58727a, # 8ba489}

D совпадения с изображением A потому что # 8ba489 - # 8ba4 89 меньше, чем # 8ba489 - # 58727a.

Конечно, тестовое изображение не будет точно соответствовать ни одному из этих изображений, поскольку оно будет сканироваться; однако я пытаюсь найти ближайший матч.

Answer 1

Поиск изображений на основе контента (CBIR) может сделать трюк для вас. Для этого есть LIRE, java-библиотека. Вы можете сначала попробовать несколько подходов, используя различные функции изображения на основе цвета с помощью демонстрации. См. https://code.google.com/p/lire/ для скачивания & источник. Существует также «Простое приложение», которое позволяет вам быстро начать индексирование и поиск.

Основываясь на моем опыте, я бы рекомендовал использовать либо функцию ColorLayout (если изображения не вращаются), OpponentHistogram, либо AutoColorCorrelogram. Функция CEDD также может дать хорошие результаты, и она является самой маленькой с ~ 60 байтами данных на изображение.

Answer 2

Я думаю, что ваша идея недостаточно хороша для выполнения этой задачи. Ваш метод скажет, что все изображения ниже одинаковые (средний цвет всех изображений - 128).

Answer 3

Ваш метод усреднения по цвету, скорее всего, потерпит неудачу, поскольку @Heejin уже объяснил.

Вы можете попробовать попробовать по-разному. Сжимайте все изображения до произвольного размера, а затем вычитайте изображение из всех известных изображений, которое имеет наименьшую разницу, именно тот, который вы ищете. Это действительно простой метод, и он будет медленнее, чем усреднение.

Другой вариант заключается в использовании какого умнее алгоритм:

http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html

я использовал этот метод в прошлом, и результаты хорошо иш. Ir отлично подходит для поиска одинаковых изображений, не так хорошо для поиска силярных изображений.

Answer 4

Если вы хотите, чтобы проверить разницу в цвета, как это:

http://en.wikipedia.org/wiki/Color_difference

Вы можете использовать Каталано Framework,

http://code.google.com/p/catalano-framework/

Он работает в Java и Android.

Пример использования Color Difference:

float[] lab = ColorConverter.RGBtoLAB(100, 120, 150, ColorConverter.CIE2_D65); 
float[] lab2 = ColorConverter.RGBtoLAB(50, 80, 140, ColorConverter.CIE2_D65); 

double diff = ColorDifference.DeltaC(lab, lab2);