[學習opencv]bow 演算法實現圖片分類bag of word

阿新 • • 發佈：2019-01-22

BOW其實就是bag of word的縮寫，在OpenCV中關於此框架的有3個類。

第一個是一個基類，算是BOW訓練的型別，

class BOWTrainer

{

public:

BOWTrainer(){}

virtual ~BOWTrainer(){}

void add( const Mat &descriptors);

const vector<Mat> &getDescriptors() const;

int descriptorsCount() const;

virtual void clear();

virtual Mat cluster() const = 0;

virtual Mat cluster( const Mat &descriptors );

protected:

…

}

第二個類別是我們在應用的時候真正的BOW訓練的介面類別叫做BOWKmeansTrainer, 此類繼承來自 BOWTrainer

類別（不知道這麼說對不對，C++還在學習中）

class BOWKmeansTrainer : public BOWTrainer

{

public:

BOWKmeansTrainer( int clusterCount, const TermCriteria &termcrit = TermCriteria()，

int attempts = 3, int flags = KMEANS_PP_CENTERS)；

virtual ~BOWKmeansTrainer(){}；

virtual Mat cluster() const；

virtual Mat cluster( const Mat &descriptors ) const;

protected:

…

}

利用此類先定義一個 bowTraining;

BOWKmeansTrainer bowTraining(1000); //定義聚類中心1000個，其餘的預設引數；

然後，將得到的特徵，例如SIFT特徵，將每一副圖的SIFT特徵利用add函式加入到bowTraining中去。

for(int i=0; i<numOfPictures; i++)

bowTraining.add( descriptors( i ) )；

將所有的特徵加進去後，就可以進行聚類訓練了：

Mat dictionary = bowTraining.cluster(); 這一步的時間根據特徵的維度以及定義的詞典中心的個數相關。

或者，將得到的特徵合併成一個矩陣，這裡貼出OpenCV的BOW內部合成矩陣的程式碼

      int descCount = 0;
      for( size_t i = 0; i < descriptors.size(); i++ )
            descCount += descriptors[i].rows;

      Mat mergedDescriptors( descCount, descriptors[0].cols, descriptors[0].type() );
      for( size_t i = 0, start = 0; i < descriptors.size(); i++ )
      {
            Mat submut = mergedDescriptors.rowRange((int)start, (int)(start + descriptors[i].rows));
            descriptors[i].copyTo(submut);
            start += descriptors[i].rows;
      }

同樣：Mat dictionary = bowTraining.cluster( mergedDescriptors );

得到詞典後，就要利用另一個類來進行影象BOW特徵的提取----BOWImgDescriptorExtractor

class BOWImgDescriptorExtractor

{

public:

BOWImgDescriptorExtractor( const Ptr<DescriptorExtractor> &dextractor, const Ptr<DescriptorMatcher> & dmatcher );

virtual ~BOWImgDescriptorExtractor(){}

void setVocabulary( const Mat& vocabulary );

const Mat& getVocabulary() const;

void compute( const Mat& image, vector<KeyPoint> & keypoints,

Mat& imgDescriptor,

vector<vector<int> >* pointIdxOfClusters = 0,

Mat* descriptors = 0 );

int descriptorSize() const;

int descriptorType() const;

protected:

…

}

利用上面這BOW的第三個類別定義一個變數；

Ptr<DescriptorExtractor> extractor = DescriptorMatcher::create("SIFT"); //引號裡面修改特徵種類。

Ptr<DescriptorMatcher> matcher = DescriptorExtractor::create("BruteForce"); //引號裡面修改匹配型別;

BOWImgDescriptorExtractor bowDE(extractor, matcher);

前面兩個定義是為了方便初始化類的定義，在BOW影象特徵定義完成後，便可以對每一副圖片提取BOW的特徵。

bowDE.setVocabulary(dictionary); //dictionary是通過前面聚類得到的詞典；

for(int i=0; i<numOfPictures; i++)

{

vector<KeyPoint> keypoints;

SiftFeatureDetector detector;

detector.detect(pictures[i], keypoints);

bowDE.compute(pictures[i], keypoints, descriptors);

}

這樣，整個BOW特徵提取過程就結束了。

_____________________________

_______________________________

過程簡介

提取訓練集中圖片的feature
將這些feature聚成n類。這n類中的每一類就相當於是圖片的"單詞"，所有的n個類別構成"詞彙表"。實現中n取1000，如果訓練集很大，應增大取值。
對訓練集中的圖片構造bag of words，就是將圖片中的feature歸到不同的類中，然後統計每一類的feature的頻率。這相當於統計一個文字中每一個單詞出現的頻率。
訓練一個多類分類器，將每張圖片的bag of words作為feature vector，將該張圖片的類別作為label。
對於未知類別的圖片，計算它的bag of words，使用訓練的分類器進行分類。

步驟詳解

提取feature並進行聚類

這一步用於提取待訓練中所有圖片的特徵值並儲存到一個vocab_descriptors(vector陣列)中, 再使用bowtrainer對vocab_descriptors進行聚類的出單詞本vocab(Mat 型別)


Mat vocab_descriptors;
// 遍歷每一張圖片，提取SURF特徵值，存入到vocab_descriptors中
multimap<string,Mat> ::iterator i=train_set.begin();
for(;i!=train_set.end();i++)
{
  vector<KeyPoint>kp;//關鍵點
  Mat templ=(*i).second; //圖片
  Mat descrip; //特徵值

  //featureDectre是surf演算法提取特徵值
  featureDecter->detect(templ,kp);
  featureDecter->compute(templ,kp,descrip);

  //push_back(Mat);在原來的Mat的最後一行後再加幾行,元素為Mat時， 其型別和列的數目 必須和矩陣容器是相同的
  vocab_descriptors.push_back(descrip);
}
//將每一副圖的surf特徵加入到bowTraining中去,就可以進行聚類訓練了
vocab=bowtrainer->cluster(vocab_descriptors);

構造bag of words

這一步根據每張圖片的特徵點，統計這張圖片各個類別出現的頻率，作為這張圖片的bag of words, 使用bowDescriptorExtractor根據上一步獲取到的vocab進行setVocabulary,把vocab傳遞給它，然後用一張圖片的特徵點作為輸入，就能計算每一類的特徵點的頻率


// 遍歷每一張圖片，提取SURF關鍵點，統計每一類的特徵點頻率
multimap<string,Mat> ::iterator i=train_set.begin();
for(;i!=train_set.end();i++)
{
  vector<KeyPoint>kp; //關鍵點
  string cate_nam=(*i).first; //類別名稱, 根據資料夾目錄名稱
  Mat tem_image=(*i).second; //對應的圖片
  Mat imageDescriptor; //統計出來的特徵點頻率

  featureDecter->detect(tem_image,kp);
  bowDescriptorExtractor->compute(tem_image,kp,imageDescriptor);

  //push_back(Mat);在原來的Mat的最後一行後再加幾行,元素為Mat時， 其型別和列的數目 必須和矩陣容器是相同的
  //allsamples_bow的value的Mat中, 每一行都表示一張圖片的bag of words
  allsamples_bow[cate_nam].push_back(imageDescriptor);
}

訓練分類器

使用的分類器是svm，用經典的1 vs all方法實現多類分類。對每一個類別都訓練一個二元分類器。訓練好後，對於待分類的feature vector，使用每一個分類器計算分在該類的可能性，然後選擇那個可能性最高的類別作為這個feature vector的類別


stor_svms=new Ptr<SVM>[categories_size]; //初始化一個svm訓練器
for(int i=0;i<categories_size;i++)
{
  Mat tem_Samples( 0, allsamples_bow.at( category_name[i] ).cols, allsamples_bow.at( category_name[i] ).type() ); //獲取上一步構建好的bag of word
  Mat responses( 0, 1, CV_32SC1 );
  tem_Samples.push_back( allsamples_bow.at( category_name[i] ) );
  Mat posResponses( allsamples_bow.at( category_name[i]).rows, 1, CV_32SC1, Scalar::all(1) ); 
  responses.push_back( posResponses );
  
  for ( map<string,Mat>::iterator itr = allsamples_bow.begin(); itr != allsamples_bow.end(); ++itr ) 
  {
    if ( itr -> first == category_name[i] ) {
      continue;
    }
    tem_Samples.push_back( itr -> second );
    Mat response( itr -> second.rows, 1, CV_32SC1, Scalar::all( -1 ) );
    responses.push_back( response );
  }
  //設定訓練引數
  stor_svms[i] = SVM::create();
  stor_svms[i]->setType(SVM::C_SVC);
  stor_svms[i]->setKernel(SVM::LINEAR);
  stor_svms[i]->setGamma(3);
  stor_svms[i]->setTermCriteria(TermCriteria(CV_TERMCRIT_ITER, 100, 1e-6));

  stor_svms[i]->train( tem_Samples, ROW_SAMPLE, responses); //關鍵步驟, 進行svm訓練器的構建

}

對未知圖片分類

使用某張待分類圖片的bag of words作為feature vector輸入，使用每一類的分類器計算判為該類的可能性，然後使用可能性最高的那個類別作為這張圖片的類別。


Mat input_pic=imread(train_pic_path); //獲取待分類圖片

// 提取BOW描述子
vector<KeyPoint>kp;
Mat test;
featureDecter->detect(input_pic,kp);
bowDescriptorExtractor->compute(input_pic,kp,test);
int sign=0;
float best_score = -2.0f;
for(int i=0;i<categories_size;i++)
{    
  if(sign==0)
  {
    float scoreValue = stor_svms[i]->predict( test, noArray(), true );
    float classValue = stor_svms[i]->predict( test, noArray(), false );
    sign = ( scoreValue < 0.0f ) == ( classValue < 0.0f )? 1 : -1;
  }
  curConfidence = sign * stor_svms[i]->predict( test, noArray(), true );

  if(curConfidence>best_score)
  {
    best_score=curConfidence;
    prediction_category=cate_na;
  }
}
cout<<"這張圖屬於:"<<prediction_category<<endl;

完整原始碼

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/features2d/features2d.hpp>
#include <opencv2/xfeatures2d.hpp>
#include <opencv2/ml/ml.hpp>
#include <boost/filesystem.hpp>
#include <boost/filesystem/fstream.hpp>
#include <iostream>
#include <fstream>
#include <cstring>
#include <iterator>
#include <vector>
#include <map>
#include<fstream>

using namespace cv;
using namespace cv::xfeatures2d;
using namespace std;
using namespace cv::ml;

#define DATA_FOLDER "data/"
#define TRAIN_FOLDER "data/train_images/"
#define TEMPLATE_FOLDER "data/templates/"
#define TEST_FOLDER "data/test_image"
#define RESULT_FOLDER "data/result_image/"

class categorizer
{
private :
    // //從類目名稱到資料的map對映
    // map<string,Mat> result_objects;
    //存放所有訓練圖片的BOW
    map<string,Mat> allsamples_bow;
    //從類目名稱到訓練圖集的對映，關鍵字可以重複出現
    multimap<string,Mat> train_set;
    // 訓練得到的SVM
Ptr<SVM> *stor_svms;
    //類目名稱，也就是TRAIN_FOLDER設定的目錄名
    vector<string> category_name;
    //類目數目
    int categories_size;
    //用SURF特徵構造視覺詞庫的聚類數目
    int clusters;
    //存放訓練圖片詞典
    Mat vocab;

    Ptr<SURF> featureDecter;
    Ptr<BOWKMeansTrainer> bowtrainer;
    Ptr<BFMatcher> descriptorMacher;
Ptr<BOWImgDescriptorExtractor> bowDescriptorExtractor;

    //構造訓練集合
    void make_train_set();
    // 移除副檔名，用來講模板組織成類目
    string remove_extention(string);

public:
    //建構函式
    categorizer(int);
    // 聚類得出詞典
    void bulid_vacab();
    //構造BOW
    void compute_bow_image();
    //訓練分類器
    void trainSvm();
    //將測試圖片分類
    void category_By_svm();
};

// 移除副檔名，用來講模板組織成類目
string categorizer::remove_extention(string full_name)
{
    //find_last_of找出字元最後一次出現的地方
    int last_index=full_name.find_last_of(".");
    string name=full_name.substr(0,last_index);
    return name;
}

// 建構函式
categorizer::categorizer(int _clusters)
{
    cout<<"開始初始化..."<<endl;
    clusters=_clusters;
    //初始化指標
    int minHessian = 400;
    featureDecter = SURF::create( minHessian );
    bowtrainer = new BOWKMeansTrainer(clusters);
    descriptorMacher = BFMatcher::create();
    bowDescriptorExtractor = new BOWImgDescriptorExtractor(featureDecter,descriptorMacher);

    // //boost庫檔案遍歷資料資料夾 directory_iterator(p)就是迭代器的起點，無引數的directory_iterator()就是迭代器的終點。
    // boost::filesystem::directory_iterator begin_iter(TEMPLATE_FOLDER);
    // boost::filesystem::directory_iterator end_iter;
    // //獲取該目錄下的所有檔名
    // for(;begin_iter!=end_iter;++begin_iter)
    // {
    //     //檔案的路徑 data/templates/airplanes.jpg
    //     string filename=string(TEMPLATE_FOLDER)+begin_iter->path().filename().string();
    //     //資料夾名稱 airplanes
    //     string sub_category =remove_extention(begin_iter->path().filename().string());
    //     //讀入模板圖片
    //     if(begin_iter->path().filename().string() != ".DS_Store") {
    //         Mat image=imread(filename);
    //         Mat templ_image;
    //         //儲存原圖模板
    //         result_objects[sub_category]=image;
    //     }
    // }
    cout<<"初始化完畢..."<<endl;
    //讀取訓練集
    make_train_set();
}

//構造訓練集合
void categorizer::make_train_set()
{
    cout<<"讀取訓練集..."<<endl;
    string categor;
    //遞迴迭代rescursive 直接定義兩個迭代器：i為迭代起點（有引數），end_iter迭代終點
    for(boost::filesystem::recursive_directory_iterator i(TRAIN_FOLDER),end_iter;i!=end_iter;i++)
    {
        // level == 0即為目錄，因為TRAIN__FOLDER中設定如此
        if(i.level()==0)
        {
            // 將類目名稱設定為目錄的名稱
            if((i->path()).filename().string() != ".DS_Store") {
                categor=(i->path()).filename().string();
                category_name.push_back(categor);
            }
        }
        else
        {
            // 讀取資料夾下的檔案。level 1表示這是一副訓練圖，通過multimap容器來建立由類目名稱到訓練圖的一對多的對映
            string filename=string(TRAIN_FOLDER)+categor+string("/")+(i->path()).filename().string();
            if((i->path()).filename().string() != ".DS_Store") {
                Mat temp=imread(filename,CV_LOAD_IMAGE_GRAYSCALE);
                pair<string,Mat> p(categor,temp);
                //得到訓練集
                train_set.insert(p);
            }
        }
    }
    categories_size=category_name.size();
    cout<<"發現 "<<categories_size<<"種類別物體..."<<endl;
}

// 訓練圖片feature聚類，得出詞典
void categorizer::bulid_vacab()
{
FileStorage vacab_fs(DATA_FOLDER "vocab.xml",FileStorage::READ);

    //如果之前已經生成好，就不需要重新聚類生成詞典
    if(vacab_fs.isOpened())
    {
        cout<<"圖片已經聚類，詞典已經存在.."<<endl;
        vacab_fs.release();
    }else
    {
        Mat vocab_descriptors;
        // 對於每一幅模板，提取SURF運算元，存入到vocab_descriptors中
        multimap<string,Mat> ::iterator i=train_set.begin();
        for(;i!=train_set.end();i++)
        {
            vector<KeyPoint>kp;
            Mat templ=(*i).second;
            Mat descrip;
            featureDecter->detect(templ,kp);

            featureDecter->compute(templ,kp,descrip);
            //push_back(Mat);在原來的Mat的最後一行後再加幾行,元素為Mat時，其型別和列的數目必須和矩陣容器是相同的
            vocab_descriptors.push_back(descrip);
        }
        // vocab_descriptors.convertTo(vocab_descriptors, CV_32F);
        cout << "訓練圖片開始聚類..." << endl;
        //將每一副圖的ORB特徵加入到bowTraining中去,就可以進行聚類訓練了
        // 對ORB描述子進行聚類
        vocab=bowtrainer->cluster(vocab_descriptors);
        cout<<"聚類完畢，得出詞典..."<<endl;

        //以檔案格式儲存詞典
        FileStorage file_stor(DATA_FOLDER "vocab.xml",FileStorage::WRITE);
        file_stor<<"vocabulary"<<vocab;
        file_stor.release();
    }
}

//構造bag of words
void categorizer::compute_bow_image()
{
    cout<<"構造bag of words..."<<endl;
    FileStorage va_fs(DATA_FOLDER "vocab.xml",FileStorage::READ);
    //如果詞典存在則直接讀取
    if(va_fs.isOpened())
    {
        Mat temp_vacab;
        va_fs["vocabulary"] >> temp_vacab;
        bowDescriptorExtractor->setVocabulary(temp_vacab);
        va_fs.release();
    }
    else
    {
        //對每張圖片的特徵點，統計這張圖片各個類別出現的頻率，作為這張圖片的bag of words
        bowDescriptorExtractor->setVocabulary(vocab);
    }

    //如果bow.txt已經存在說明之前已經訓練過了，下面就不用重新構造BOW
    string bow_path=string(DATA_FOLDER)+string("bow.txt");
    boost::filesystem::ifstream read_file(bow_path);
    // //如BOW已經存在，則不需要構造
    if(read_file.is_open())
    {
        cout<<"BOW 已經準備好..."<<endl;
    }
    else{
        // 對於每一幅模板，提取SURF運算元，存入到vocab_descriptors中
        multimap<string,Mat> ::iterator i=train_set.begin();
        for(;i!=train_set.end();i++)
        {
            vector<KeyPoint>kp;
            string cate_nam=(*i).first;
            Mat tem_image=(*i).second;
            Mat imageDescriptor;
            featureDecter->detect(tem_image,kp);
            bowDescriptorExtractor->compute(tem_image,kp,imageDescriptor);
            //push_back(Mat);在原來的Mat的最後一行後再加幾行,元素為Mat時，其型別和列的數目必須和矩陣容器是相同的
            allsamples_bow[cate_nam].push_back(imageDescriptor);
        }
        //簡單輸出一個文字，為後面判斷做準備
        boost::filesystem::ofstream ous(bow_path);
        ous<<"flag";
        cout<<"bag of words構造完畢..."<<endl;
    }
}

//訓練分類器

void categorizer::trainSvm()
{
    int flag=0;
    for(int k=0;k<categories_size;k++)
    {
        string svm_file_path=string(DATA_FOLDER) + category_name[k] + string("SVM.xml");
        FileStorage svm_fil(svm_file_path,FileStorage::READ);
        //判斷訓練結果是否存在
        if(svm_fil.isOpened())
        {
            svm_fil.release();
            continue;
        }
        else
        {
            flag=-1;
            break;
        }
    }
    //如果訓練結果已經存在則不需要重新訓練
    if(flag!=-1)
    {
        cout<<"分類器已經訓練完畢..."<<endl;
    }else

{
stor_svms=new Ptr<SVM>[categories_size];

        cout<<"訓練分類器..."<<endl;
        for(int i=0;i<categories_size;i++)
        {
            Mat tem_Samples( 0, allsamples_bow.at( category_name[i] ).cols, allsamples_bow.at( category_name[i] ).type() );
            Mat responses( 0, 1, CV_32SC1 );
            tem_Samples.push_back( allsamples_bow.at( category_name[i] ) );
            Mat posResponses( allsamples_bow.at( category_name[i]).rows, 1, CV_32SC1, Scalar::all(1) );
            responses.push_back( posResponses );

            for ( map<string,Mat>::iterator itr = allsamples_bow.begin(); itr != allsamples_bow.end(); ++itr )
            {
                if ( itr -> first == category_name[i] ) {
                    continue;
                }
                tem_Samples.push_back( itr -> second );
                Mat response( itr -> second.rows, 1, CV_32SC1, Scalar::all( -1 ) );
                responses.push_back( response );
            }
      //設定訓練引數
            stor_svms[i] = SVM::create();
      stor_svms[i]->setType(SVM::C_SVC);
      stor_svms[i]->setKernel(SVM::LINEAR);
            stor_svms[i]->setGamma(3);
      stor_svms[i]->setTermCriteria(TermCriteria(CV_TERMCRIT_ITER, 100, 1e-6));
            stor_svms[i]->train( tem_Samples, ROW_SAMPLE, responses);
            //儲存svm
            string svm_filename=string(DATA_FOLDER) + category_name[i] + string("SVM.xml");
            cout<<svm_filename.c_str()<<endl;
            stor_svms[i]->save(svm_filename.c_str());
        }
        cout<<"分類器訓練完畢..."<<endl;
    }
}

//對測試圖片進行分類

void categorizer::category_By_svm()
{
    cout<<"物體分類開始..."<<endl;
    Mat gray_pic;
    Mat threshold_image;
    string prediction_category;
    float curConfidence;

boost::filesystem::directory_iterator begin_train(TEST_FOLDER);
boost::filesystem::directory_iterator end_train;

    for(;begin_train!=end_train;++begin_train)
    {

        //獲取該目錄下的圖片名
        string train_pic_name=(begin_train->path()).filename().string();
        string train_pic_path=string(TEST_FOLDER)+string("/")+(begin_train->path()).filename().string();

        //讀取圖片
        if((begin_train->path()).filename().string() == ".DS_Store") {
            continue;
        }
        Mat input_pic=imread(train_pic_path);
        cvtColor(input_pic,gray_pic,CV_BGR2GRAY);

        // 提取BOW描述子
        vector<KeyPoint>kp;
        Mat test;
        featureDecter->detect(gray_pic,kp);
        bowDescriptorExtractor->compute(gray_pic,kp,test);
        int sign=0;
        float best_score = -2.0f;
        for(int i=0;i<categories_size;i++)
        {
            string cate_na=category_name[i];
            string f_path=string(DATA_FOLDER)+cate_na + string("SVM.xml");
            FileStorage svm_fs(f_path,FileStorage::READ);
            //讀取SVM.xml
            if(svm_fs.isOpened())
            {
                svm_fs.release();
                Ptr<SVM> st_svm = Algorithm::load<SVM>(f_path.c_str());
                if(sign==0)
                {
                    float score_Value = st_svm->predict( test, noArray(), true );
                    float class_Value = st_svm->predict( test, noArray(), false );
                    sign = ( score_Value < 0.0f ) == ( class_Value < 0.0f )? 1 : -1;
                }
                curConfidence = sign * st_svm->predict( test, noArray(), true );
            }
            else
            {
                if(sign==0)
                {
                    float scoreValue = stor_svms[i]->predict( test, noArray(), true );
                    float classValue = stor_svms[i]->predict( test, noArray(), false );
                    sign = ( scoreValue < 0.0f ) == ( classValue < 0.0f )? 1 : -1;
                }
                curConfidence = sign * stor_svms[i]->predict( test, noArray(), true );
            }
            if(curConfidence>best_score)
            {
                best_score=curConfidence;
                prediction_category=cate_na;
            }
        }
        //將圖片寫入相應的資料夾下
        boost::filesystem::directory_iterator begin_iterater(RESULT_FOLDER);
        boost::filesystem::directory_iterator end_iterator;
        //獲取該目錄下的檔名
        for(;begin_iterater!=end_iterator;++begin_iterater)
        {

            if(begin_iterater->path().filename().string()==prediction_category)
            {
                string filename=string(RESULT_FOLDER)+prediction_category+string("/")+train_pic_name;
                imwrite(filename,input_pic);
            }
        }
        cout<<"這張圖屬於:"<<prediction_category<<endl;
    }
}

int main(void)
{
    int clusters=1000;
    categorizer c(clusters);
    //特徵聚類
    c.bulid_vacab();
    //構造BOW
    c.compute_bow_image();
    //訓練分類器
    c.trainSvm();
    //將測試圖片分類
    c.category_By_svm();
    return 0;
}

__________________________

採用SIFT+BOW來進行實現。關於SIFT特徵提取的介紹很多，一般都比較複雜難懂，尤其是對我這種數學不怎麼好的人。看了幾天還是很朦朧。OpenCV中有對影象SIFT特徵提取的函式，下面給出提取的過程：

     image = imread(path);
   //sift關鍵點檢測
   SiftFeatureDetector detector;
   detector.detect(image, keyPoints);
   //sift關鍵點描述，角度，強度等
   SiftDescriptorExtractor extractor;
   extractor.compute(image, keyPoints, descriptor);

另外函式的標頭檔案是：#include <opencv2/nonfree/features2d.hpp>，之前的版本是放在#include "opencv2/features2d/features2d.hpp"中的。還是多注意一下吧。

實現原理：

BOW模型的處理過程：

1.SIFT特徵提取。SIFT 特徵提取是求出影象的關鍵點資訊，包括角度，大小以及強度。關鍵點，也就是能夠代表影象關鍵資訊的部分，這也是Bag of words中單詞的組成。一個影象通常有很多的關鍵點。

2.聚類。我們將每幅影象中的關鍵點資訊新增到詞袋中，並定義聚類中心的數量N。然後將詞袋中的關鍵點通過Kmeans演算法聚類到N個類中。同時得到這N個類的中心點組成N*128的dictionary，每個中心都可以代表這個類。

3.求影象的直方圖。將影象的關鍵點資訊重新放到詞包中，根據落在每個類中關鍵點的數量來得到影象的直方圖，大小為1*N。將每幅影象進行處理，得到影象在BOW模型下的特徵。

4.影象匹配。將測試影象進行相同的處理，同樣也得到1*N的特徵。根據測試影象與訓練影象特徵之間的距離，並將距離較小的影象作為檢索的結果。

實現過程：

OpenCV中已經對步驟中的過程進行了封裝，我們只需要簡單的呼叫就可以。上面的程式碼中我們已經完成了第一步。

第二步和第三步BOW模型的實現，我們可以採用呼叫函式BOWKmeansTrainer進行實現。

       int clusterNum =260;
   //clusterNum代表有多少詞
   BOWKMeansTrainer trainer(clusterNum);

同時需要將提取到的SIFT特徵描述新增到trainer中

//descriptor是每幅影象的sift關鍵點描述
trainer.add(descriptor);

所有影象的descriptor新增完成後，進行聚類得到dictionary，也就是聚類的中心。

Mat dictionary = trainer.cluster();

接下來需要得到每幅影象直方圖。過程如下

        Ptr<DescriptorExtractor> extractor = DescriptorExtractor::create("SIFT");
   Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("BruteForce");
   BOWImgDescriptorExtractor bowDE(extractor, matcher);
   bowDE.setVocabulary(dictionary);

對每幅影象影象進行如下操作：

                      Mat BOWdescriptor;
           //sift關鍵點檢測
           vector<KeyPoint> keyPoints;
           SiftFeatureDetector detector;
           detector.detect(curImg, keyPoints);
           //BOWdecriptor表示每個影象的bow碼本，即直方圖，大小為1*clusterNum
           bowDE.compute(curImg, keyPoints, BOWdescriptor);
           //歸一化
           normalize(BOWdescriptor, BOWdescriptor, 1.0, 0.0, NORM_MINMAX);

得到的BOWdescriptor就是每個影象的直方圖表示，可用做影象檢索的特徵。最簡單的方法就是求測試影象的直方圖與訓練影象之間的歐明距離，得到檢索影象。不過檢索的方式不一樣，效率和質量也不同。

過程中長的姿勢：

剛開始寫的時候，不知道怎麼求影象的碼本，就不停的翻看OpenCV中關於函式BOWImgDescriptorExtractor：：compute的解釋，剛開始看的是中文解釋，看了很久也沒有看懂，後面找到了英文的註釋，頓時就明白了。看來還是要英語好啊！！！！下面給出英語版的，中文的就算了。。。

BOWImgDescriptorExtractor：：compute

Computes an image descriptor using the set visual vocabulary.

C++: void BOWImgDescriptorExtractor::compute(const Mat& image, vector<KeyPoint>& keypoints, Mat& imgDescriptor, vector<vector<int>>* pointIdxsOfClusters=0, Mat*descriptors=0 )¶
Parameters:

        image – Image, for which the descriptor is computed.
        keypoints – Keypoints detected in the input image.
        imgDescriptor – Computed output image descriptor.
        pointIdxsOfClusters – Indices of keypoints that belong to the cluster. This means that pointIdxsOfClusters[i] are keypoint indices that belong to the i -th cluster (word of vocabulary) returned if it is non-zero.
        descriptors – Descriptors of the image keypoints that are returned if they are non-zero.

[學習opencv]bow 演算法實現圖片分類bag of word

過程簡介

步驟詳解

提取feature並進行聚類

構造bag of words

訓練分類器

對未知圖片分類

完整原始碼

[學習opencv]bow 演算法實現圖片分類bag of word

機器學習之KNN演算法實現影象分類

基於BOW模型的影象分類Bag Of Visual Words model for image classification

機器學習入門之python實現圖片簡單分類

機器學習之BP神經網路演算法實現影象分類

機器學習（三）：感知器演算法實現鳶尾花分類專案實戰

原始碼分析——遷移學習Inception V3網路重訓練實現圖片分類

(轉)Android學習-使用Async-Http實現圖片壓縮並上傳功能

KNN演算法實現影象分類

基於pytorch和Fashion Mnist資料集建立簡單的CNN網路來實現圖片分類

統計學習方法_AdaBoost演算法實現

樸素貝葉斯演算法——實現新聞分類（Sklearn實現）

用openCV 和 Python 實現圖片對比，並標識出不同點

Spark學習筆記-KNN演算法實現

基於深度學習的推薦演算法實現（以MovieLens 1M資料為例）

【計算機視覺之三】運用k近鄰演算法進行圖片分類

機器學習學習筆記--使用Keras實現圖片預測

【機器學習 Opencv】Opencv之Bag of Word模型（一）

安卓學習筆記之-camera實現圖片的3D旋轉

機器學習實戰-KNN演算法實現及遇到的問題總結

[學習opencv]bow 演算法實現圖片分類bag of word

過程簡介

步驟詳解

提取feature並進行聚類

構造bag of words

訓練分類器

對未知圖片分類

完整原始碼

相關推薦