图像分类 - 检测平面图

function Saturation($color) 
{ 
    $color = array_map('hexdec', str_split($color, 2)); 

    if (max($color) > 0) 
    { 
     return (max($color) - min($color))/max($color); 
    } 

    return 0; 
} 

var_dump(Saturation('000000')); // black 0.0000000000000000 
var_dump(Saturation('FFFFFF')); // white 0.0000000000000000 
var_dump(Saturation('818185')); // grey  0.0300751879699249 
var_dump(Saturation('5B9058')); // green 0.3888888888888889 
var_dump(Saturation('DE1C5F')); // pink  0.8738738738738738 
var_dump(Saturation('FE7A15')); // orange 0.9173228346456692 
var_dump(Saturation('FF0000')); // red  1.0000000000000000 
var_dump(Saturation('80FF80')); // ---  0.4980392156862745 
var_dump(Saturation('000080')); // ---  1.0000000000000000

使用imagecolorat()和imagecolorsforindex()你可以实现一个简单的函数，环槽的所有图像和和的像素/计算饱和度的平均值。如果图像的饱和度高于您定义的自定义阈值，则可以假定图像是徽标。

有一件你不应该忘记的是，具有更高分辨率的图像通常会有更多的饱和度（更多的像素进行求和），所以为了这个算法以及为了您的服务器性能，它会是明智地将所有图像调整为通用分辨率（比如100x100或50x50）来对它们进行分类，一旦分类，您可以使用原始（未调整大小）的图像。

我与你提供的图像一个简单的测试，这里是我使用的代码：

$images = array('./44199.jpg', './68614.jpg', './95205.jpg', './logo.png', './logo.gif'); 

foreach ($images as $image) 
{ 
    $sat = 0; 
    $image = ImageCreateFromString(file_get_contents($image)); 

    for ($x = 0; $x < ImageSX($image); $x++) 
    { 
     for ($y = 0; $y < ImageSY($image); $y++) 
     { 
      $color = ImageColorsForIndex($image, ImageColorAt($image, $x, $y)); 

      if (is_array($color) === true) 
      { 
       $sat += Saturation(dechex($color['red']) . dechex($color['green']) . dechex($color['blue'])); 
      } 
     } 
    } 

    echo ($sat/(ImageSX($image) * ImageSY($image))); 
    echo '<hr />'; 
}

而且这里的结果：

green floor plant:  0.0151028053 
black floor plant:  0.0000278867 
black and white logo: 0.1245559912 
stackoverflow logo:  0.0399864136 
google logo:   0.1259357324

只使用这些例子中，我会形象地说是地板厂如果平均饱和度小于0.03或0.035，你可以调整通过添加额外的例子它远一点。

来源

2009-12-20 17:08:42

除非是带有公司徽标的平面图:)但这也是我的方法。 +1 – 2009-12-20 17:11:12

@Pekka：尽管如此，通过调整，该标志将被几乎忽略不计，并会以饱和贡献只是一些无关紧要的点。如果不是这意味着它是一个带有平面图的徽标，而不是带有徽标的平面图。 =） – 2009-12-20 17:35:29

@Pekka：另外，他可以用平均值来解释这个小文物，而不是使用总和。 – 2009-12-20 17:36:19

我非常怀疑任何这样的工具已经存在，并创造任何准确的将是非-不重要的。如果您需要整理一组现有的图像（例如，您有一个未分类的目录），那么您可以编写一个“足够好”的工具并手动处理这些故障。如果您需要用新图像动态地执行此操作，则可能是错误的方法。

如果我为前一种情况尝试此操作，我可能会寻找一些可以用作代理的细微差别。楼层平面图通常比标识大很多（无论是文件大小还是图像大小）？平面图的颜色较少，然后是徽标？如果使用一些微不足道的东西，我可以获得75％的准确率，那么这可能是一条可行的路。

来源

2009-12-20 08:44:29

+1 - 另一个简单的指标是文件名中的关键字，如“logo”或“floor”:) – 2009-12-20 08:48:29

感谢您的回答，但我试过这种方法很多标识与地板尺寸相同计划。任何其他可以使用的指标？也请看到我的评论上述有关（使用房间的角落） – user235410 2009-12-20 18:34:16

标志往往不是高得较宽我想您可以将图像的平面图分类的方式吗？ – 2009-12-20 21:03:33

这样的东西 - 图像模式的识别 - 在时间上往往非常昂贵，极不可靠，并且不断需要更新和修补以匹配新案例。

我可以问你为什么要这么做？有没有在您的网站的工作流程一个地步，可以手动确定的图像是否是标志或平面图？编写一个让用户确定上传时哪个应用程序的应用程序会不会更容易？为什么首先有一组混合的数据？

来源

2009-12-20 17:18:59

我从客户端获取数据作为一批未排序的图像。因为它含有当我显示每个需要进行分类，如果可能的话自动（这样我就可以在将来使用它），我已经写了一部分（该楼盘的楼层平面图及公司徽标）图像的千以95％的准确度对属性的照片进行分类，所以现在剩下的图像中我留下了标识和平面图。 – user235410 2009-12-20 18:42:46

我明白了。这已经很令人印象深刻了。不过，我认为手头的任务确实更容易出错率很高。我个人会选择一个完全手动的程序，创建一个界面，可以很容易地指向和点击什么。但是，如果你自动化 - 也许使用这里发布的一个非常有趣的建议 - 我相信很多人（包括我）会有兴趣了解它是如何实现的。 – 2009-12-20 18:53:13

尽管认为这是需要人工干预的事情，但您可以做的一件事是检查图像的大小。

一个小的（无论是在MB和尺寸）图像可能是一个标志。

一个大的（在MB和维度方面）图像可能是一个平面图。

但是，这只是一个概率测量，绝不是万无一失的。

该类型的图像也是一个指标，但少一个。标志是更可能是JPG，PNG或GIF，楼层平面图都可能会成为TIFF或其他无损格式 - 但不能保证。

来源

2009-12-20 17:39:04 ChrisF

正如其他人说，比如图像识别通常是可怕的复杂。忘记PHP。

不过，看在你的样品我看到一个标准的MIGHT工作得很好，如果它没有和将是很容易实现：

通过良好的OCR运行图像，看看有什么字符串弹出。如果你发现一堆描述房间或这些功能的词...

我想将图像旋转90度，然后再次尝试捕捉垂直标签。

编辑：既然你说你试过了，它不起作用，也许你需要首先清理杂乱。基于空白切片图像。运行OCR对付每个子图像，以防万一它试图解析线条时会出现混乱。您可以使用图像编辑器手动对其进行测试以对其进行分割。

来源

2009-12-20 19:01:45

试过你会推荐哪些OCR工具？我试了tesseract，它无法找出文本 – user235410 2009-12-21 06:45:57

对不起，但我不能帮助工具。我还没有处理足够的OCR知道可以做什么。 – 2009-12-21 19:11:33

我认为识别公司标志中的字符本身就是一项复杂的工作。 – 2009-12-22 07:44:16

想到的第一件事情之一是，平面图往往会有比90度更多的线条，比任何一般的标志都要多。

快速第一遍将是在图像上运行Canny edge detection，并使用Hough transform和rho，Theta定义的线对角度进行投票。如果你看到一个非常强的对应于Theta =（0,90,180,270）的rho相加，你可以将图像分类为平面图。

另一种选择是走边缘图像坎尼步骤之后只从长的，连续的线段数票，去除噪声。

来源

2009-12-21 19:29:34

任何想法如何编写这样做的程序？或者，你能送我去，可以解释这个东西，所以我可以写我自己 – user235410 2009-12-23 06:32:49

使用两种颜色饱和度和图像尺寸（无论是在以前的答案单独提出）。使用人体分类数字的大量样本，看看它们在二维空间（尺寸x饱和度）中是如何绘制的，然后决定在哪里放置边界。边界不一定是一条直线，但不要试图让所有点都适合，否则你会以牺牲新数据为代价来“记忆”样本。最好找到一个适合大多数样本的相对简单的边界，它应该适合大部分数据。

你必须容忍一定的错误。一个万无一失的解决方案是不可能的。如果我选择平面图作为我公司的标志怎么办？（这不是一个笑话，它恰恰是搞笑）

来源

2009-12-21 19:30:51

一个简单的没有脑子的尝试我第一次尝试是使用SVM学习从样本中获得的SIFT关键点。但在你做这件事之前，你需要标记一小部分图像，给它一个-1（平面图）或1（一个图标）。如果一幅图像有更多关键点被分类为平面图，那么它必须是一个平面布置图，如果它具有更多关键点归类为标识，那么它必须是标识。在计算机视觉领域，这被称为特征袋方法，也是最简单的方法之一。更复杂的方法可能会产生更好的结果，但这是一个好的开始。

来源

2009-12-22 07:52:55

不知道如何编写一个程序，它是一个地方吗？或者你可以送我去，可以解释这个东西的地方，所以我可以写我自己 – user235410 2009-12-23 06:25:57

@tomlei：也许你可以在这个题为“关键点的包视觉分类”签出纸由Gabriella Csurka等。 – 2009-12-29 10:41:20

将它外包给人类可能是最容易的。

如果你有预算，考虑Amazon's Mechanical Turk。请参阅维基百科了解general description。

或者，您可以自己做外包。编写一个PHP脚本来显示你的一张图片，并提示用户将它排序为“logo”我们的“平面图”。一旦你在网络服务器上运行了这个程序，就可以通过电子邮件发送你的整个办公室，并要求每个人将20张图像分类为个人喜好。

更重要的是，使之成为contest--谁排序最图像将赢得一个iPod的人！

也许最简单的，邀请大家你知道了比萨饼和啤酒，并设置了一堆的笔记本电脑，并让每个人都花几分钟的时间排序。

有一些软件方法可以完成你的任务，但是如果它是一次性活动，少于几千幅图片和至少几百美元的预算，那么比我认为你的生活可能更容易使用人类。

来源

2010-01-11 04:42:05 AndyL

图像分类 - 检测平面图

回答

相关问题