基于调色板分布的图像相似度
我正在尝试根据它们的调色板分布计算两个图像之间的相似性，假设我有两组键值对，如下所示，
图1： {'Brown': 14, 'White': 13, 'Black': 40, 'Gray': 31}
图2： {'Pink': 82, 'Brown': 8, 'White': 7}
其中数字表示图像中该颜色的百分比。在两幅图像之间以 0-100 的比例计算相似度的最佳方法是什么？
基于颜色分布计算图像相似度
数据挖掘
数据挖掘
聚类
相似
2021-10-11 20:57:32
1个回答
尝试使用Earth Mover's Distance。它测量了将一个直方图最佳地重塑为另一个直方图的“成本”，其中基本变换（使用类似编辑距离的距离测量的术语）正在将一个质量单位从一个 bin 移动到一个 bin。如果您有 EMD 的实现，那么您的距离是 dist = EMD(H1, H2, D)，其中
H1 = [ 14, 13, 40, 31 ]; -- histogram #1 (first image)
H2 = [ 82, 8, 7 ]; -- histogram #2 (second image)
D = [ D11, D12, D13; ... ; D41, D42, D43 ]; -- (cross-bin) ground distance
Dij 是从第一个直方图的第 i 个 bin 到第二个直方图的第 j 个 bin 的距离。例如，D21 是“White”和“Pink”之间的距离。它的定义可能不同，具体取决于您要使用的色彩空间，以及您如何定义两种颜色相似的含义。如果我使用 RGB，并且我不太关心人眼如何感知颜色，那么 D21 可以是差异 [1, 1, 1] - [1, 0.05, 0.7] 的 \ell_2 范数。（据我记得，我提到的论文使用 LAB 而不是 RGB。）
PS 除了颜色，您还可以在比较中包含空间信息。EMD 可以很好地处理它，只要在地距离 D 的定义中将颜色相似度与空间相似度适当地结合起来即可。