Esse projeto busca utilizar o conceito de Bag of Visual Words com uma Comparação de Histogramas para encontrar imagens similares a uma imagem de entrada.
A partir de um dataset de imagens, é feito um vocabulário de características de imagens. O vocabulários é gerado usando o algortimo KMeans a partir de descritores das imagens. Os descritores da imagem são encontrados utilizando o algortimo SURF. Com esse vocabulário, pode-se gerar um histograma dos conteúdos do vocabulário para cada imagem, resultado em um dataset de histogramas das imagens. Esses histogramas e o vocabulário são armazenados em um arquivo para uso futuro.
O valor de similaridade entre imagens é encontrado a partir da comparação entre histogramas das imagens utilizando o algortimo Chi Square.
Portanto, a partir de uma imagem exemplo, o programa busca encontrar as imagens mais semelhantes ao exemplo no dataset, comparando o histograma do exemplo com os calculados previamante.
- scikit-learn
- opencv-contrib-python
- numpy
- matplotlib
Os pacotes podem ser instalados através do arquivo requirements.txt.
As imagens do dataset de treino devem estar dentro da pasta images. Elas podem estar em sub diretórios, são considerados todos arquivos presentes na pasta recursivamente.
Para criar um novo arquivo de histogramas do dataset e um novo vocabulário, execute o arquivo create_hist.py
$ python create_hist.py
Os histogramas são salvos no arquivo hists.pkl e o vocabulário no arquivo vocab.pkl
Para encontrar as imagens semelhantes a um exemplo, execute o arquivo get_similar_images.py trocando a variável IMG_PATH para o path da imagem desejada.
$ python get_similar_images.py