草庐IT

c# - 使用MinHash查找2张图像之间的相似性

coder 2024-06-02 原文

我正在使用MinHash算法在图像之间找到相似的图像。
我碰到了 How can I recognize slightly modified images? 这个帖子，它指出了MinHash算法。

我在此博客文章 Set Similarity and Min Hash 中使用了C#实现。

但是在尝试使用实现时，我遇到了两个问题。

  • 我应该将universe值设置为什么值？
  • 将图像字节数组传递给HashSet时，它仅包含不同的字节值；从而比较1到256之间的值。

    • MinHash中的这个universe是什么？
    我该怎么做才能改善C#MinHash的实现？

    由于 HashSet<byte> 包含最多256个值，因此相似性值始终为1。

    这是使用来自 Set Similarity and Min Hash 的C#MinHash实现的源:
    class Program
{
    static void Main(string[] args)
    {
        var imageSet1 = GetImageByte(@".\Images\01.JPG");
        var imageSet2 = GetImageByte(@".\Images\02.TIF");
        //var app = new MinHash(256);
        var app = new MinHash(Math.Min(imageSet1.Count, imageSet2.Count));
        double imageSimilarity = app.Similarity(imageSet1, imageSet2);
        Console.WriteLine("similarity = {0}", imageSimilarity);
    }

    private static HashSet<byte> GetImageByte(string imagePath)
    {
        using (var fs = new FileStream(imagePath, FileMode.Open, FileAccess.Read))
        using (var br = new BinaryReader(fs))
        {
            //List<int> bytes = br.ReadBytes((int)fs.Length).Cast<int>().ToList();
            var bytes = new List<byte>(br.ReadBytes((int) fs.Length).ToArray());
            return new HashSet<byte>(bytes);
        }
    }
}

    最佳答案

    首先考虑第二个问题:

    And what can I do to improve the C# MinHash implementation?



    您正在尝试比较byte级别上的图像，这些文件本质上具有不同的结构(您将TIFF用作一个图像，将GIF用作另一个图像)。即使从视觉上看这些文件是完全相同的，除非文件的类型相同，否则您的实现将永远找不到重复的文件。

    就是说，您的minhash实现应取决于为创建签名而对图像进行比较的可比较属性。

    尽管字节的值绝对是图像的属性，但是如果它们的格式不同，则不能将它们相互比较。

    对于图像，您可以使用例如图像中每个像素的RGB(可能还有alpha)值。无论图像采用哪种格式(您都可以使用CMYK或任何其他color space)，这些值都是可比较的。

    但是，为每个像素使用单独的值会给您较差的结果。 Jaccard similarity用于比较每个集合中的值(无论是否哈希任何对象)，并且由于没有为集合分配任何顺序，因此图像中具有相同像素数的相同颜色，但排列顺序不同的图像空格将导致误报。

    以以下图像为例:



    它们均为100px x 100px，其中红色像素为50像素，绿色像素为50像素。

    使用Jaccard相似度比较两者，您将获得以下内容(请注意，由于值相同，因此每种颜色集仅包含一个元素。如果需要，您可以使用Jaccard bag comparison比较具有多个计数的袋子相同项目，但在这种情况下，值将变为相同):
    Legend:
    g = green
    r = red

left image = { r, g }
right image = { r, g }

similarity = intersection(left, right) / union(left, right)

similarity = 1 / 1 = 100%

    关于right image = { r, g }表示的注释:因为集合是无序的，所以{ r, g }与{ g, r }相同，因此即使没有计算Jaccard比较，它们的作用也相同，这一点很明显。

    但显然，这些图像并不相同。

    这就是为什么通常使用shingling以便在集合中找到不同的小区域，这些区域可以共同用于唯一地标识商品的原因。

    对于图像，可以使用固定长度的连续RGB值(在这种情况下，从左到右，从上到下，在碰到边缘时环绕)来生成带状疱疹。在这种情况下，假设带状疱的长度为3，则您的集合看起来像这样(请注意，我使用方括号来表示属性/向量，因为带状疱疹本身并不是集合):
    left image = { [r, r, r], [r, r, g], [r, g, g], [g, g, g] }
right image = { [g, g, g], [g, g, r], [g, r, r], [r, r, r] }

    并为您提供Jaccard的相似点:
    intersection(left, right) = 2
union(right, left) = 6

similarity(left, right) = 2 / 6 = 33.33%

    这是对这些图像与原始图像的相似程度(因为它们不相似)的更近的估计。

    请注意，带状疱疹可以是您选择的任何长度。您必须决定哪些带状疱疹会产生适当的Jaccard相似性结果(和阈值)，以回答“这些相似性如何？”的问题。

    现在，回答您的第一个问题:

    what is the universe value?



    在这种特殊情况下，它是Universe中可能存在的项目数。如果您使用单个RGB像素，则Universe将为:
    255 * 255 * 255 = 16,581,375

    使用带状装饰，当您处理这些项目的组合时，其值(value)要高得多。理想情况下，您要为minhash的一组哈希函数生成一组perfect hash functions。但是，由于类型系统的限制(或者，因为您不想在另一个存储介质中存储非常大的数字)，您的重点应该放在使冲突最小化的哈希函数上。

    如果您知道项目范围中可能的项目数量，那么它可以帮助您生成减少碰撞次数的哈希函数。

    在implementation that you reference中，此Universe大小用于生成随机数，然后将这些数字传递以生成用于进行哈希处理的多个哈希函数，理想情况下，这些哈希函数将产生最小的冲突。

    关于c# - 使用MinHash查找2张图像之间的相似性，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2758922/

    c#MinHashcodebrnoreferrerimage-processingfuzzy-comparison

    有关c# - 使用MinHash查找2张图像之间的相似性的更多相关文章

    1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

      我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

    2. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

      我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

    3. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

      类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

    4. ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2

      很好奇，就使用ruby​​onrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提

    5. ruby - 在 Ruby 中使用匿名模块 - 2

      假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于

    6. ruby - 使用 ruby​​ 和 savon 的 SOAP 服务 - 2

      我正在尝试使用ruby​​和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我

    7. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

      关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。

    8. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

      我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t

    9. ruby - 使用 ruby​​ 将 HTML 转换为纯文本并维护结构/格式 - 2

      我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h

    10. ruby - 在 64 位 Snow Leopard 上使用 rvm、postgres 9.0、ruby 1.9.2-p136 安装 pg gem 时出现问题 - 2

      我想为Heroku构建一个Rails3应用程序。他们使用Postgres作为他们的数据库，所以我通过MacPorts安装了postgres9.0。现在我需要一个postgresgem并且共识是出于性能原因你想要pggem。但是我对我得到的错误感到非常困惑当我尝试在rvm下通过geminstall安装pg时。我已经非常明确地指定了所有postgres目录的位置可以找到但仍然无法完成安装:$envARCHFLAGS='-archx86_64'geminstallpg--\--with-pg-config=/opt/local/var/db/postgresql90/defaultdb/po

    随机推荐