Python OpenCV 图像检索：基于SIFT特征和颜色直方图的相似图像搜索

以下代码使用 Python 和 OpenCV 实现基于 SIFT 特征和颜色直方图的图像检索算法，找到与查询图像最相似的图像。

import cv2
import numpy as np
import os
from sklearn.decomposition import PCA

# 图像集文件夹路径
IMAGE_FOLDER_PATH = './100/'

# 需要检索的图片路径
QUERY_IMAGE_PATH = './01.jpg'

# KNN参数
KNN_K = 3

# 颜色直方图参数
HISTOGRAM_SIZE = [4, 4, 4]
# HISTOGRAM_SIZE = [8, 8, 8]
# PCA参数
PCA_COMPONENTS = 5
# PCA_COMPONENTS = 300

def read_images(image_folder_path):
    '''
    读取并返回图像集
    :param image_folder_path: 图像集文件夹路径
    :return: 图像集列表
    '''
    images = []
    for file_name in os.listdir(image_folder_path):
        if file_name.endswith('.jpg'):
            file_path = os.path.join(image_folder_path, file_name)
            images.append(cv2.imread(file_path))
    return images


def extract_sift_features(image):
    '''
    提取图像SIFT特征
    :param image: 输入图像
    :return: 特征向量
    '''
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    sift = cv2.xfeatures2d.SIFT_create()
    keypoints, descriptors = sift.detectAndCompute(gray_image, None)
    return descriptors


def compute_color_histogram(image, histogram_size):
    '''
    计算图像颜色直方图特征向量
    :param image: 输入图像
    :param histogram_size: 直方图尺寸
    :return: 特征向量
    '''
    histogram = cv2.calcHist([image], [0, 1, 2], None, histogram_size, [0, 256, 0, 256, 0, 256])
    histogram = cv2.normalize(histogram, None).flatten()
    return histogram


def run_pca(features, components):
    '''
    使用PCA方法进行特征降维
    :param features: 待降维特征
    :param components: 保留主成分数量
    :return: 降维后的特征
    '''
    pca = PCA(n_components=components)
    pca.fit(features)
    reduced_features = pca.transform(features)
    return reduced_features


# 读取图像集
image_set = read_images(IMAGE_FOLDER_PATH)

# 提取SIFT和颜色直方图特征
sift_features = []
color_histograms = []
for image in image_set:
    sift_features.append(extract_sift_features(image))
    color_histograms.append(compute_color_histogram(image, HISTOGRAM_SIZE))

# 转换特征向量形状
sift_features = np.vstack(sift_features)
color_histograms = np.vstack(color_histograms)


# # 对SIFT特征进行PCA降维
# sift_features = run_pca(sift_features, PCA_COMPONENTS)

# 对SIFT特征进行PCA降维
sift_features = run_pca(sift_features, PCA_COMPONENTS)
query_sift_features = run_pca(query_sift_features, PCA_COMPONENTS)


# 读取要查询的图像
query_image = cv2.imread(QUERY_IMAGE_PATH)

if query_image is None:
    print('无法加载查询图像！')

# 提取SIFT和颜色直方图特征
query_sift_features = extract_sift_features(query_image)
query_color_histogram = compute_color_histogram(query_image, HISTOGRAM_SIZE)

# 调整特征向量形状
query_sift_features = query_sift_features.reshape((1, -1))

# 对SIFT特征进行PCA降维
query_sift_features = run_pca(query_sift_features, PCA_COMPONENTS)

# 计算待查询图像的SIFT和颜色直方图特征与图像集中所有图像的距离
sift_distances = np.linalg.norm(sift_features - query_sift_features, axis=1)
color_histogram_distances = np.linalg.norm(color_histograms - query_color_histogram, axis=1)

# 合并SIFT和颜色直方图特征的距离结果
distances = sift_distances + color_histogram_distances

# 对距离结果进行排序，并获取前K个相似的图像索引
sorted_index = np.argsort(distances)[:KNN_K]

# 显示结果
for i in sorted_index:
    cv2.imshow(f'Result-{i}', image_set[i])
cv2.waitKey(0)
cv2.destroyAllWindows()

解决OpenCV(4.6.0) D:\a\opencv-python\opencv-python\opencv\modules\imgproc\src\color.cpp:182: error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor' 错误：

该错误信息表明在调用 cv2.cvtColor() 函数时输入的图像为空。这个问题可能是由于查询图像路径错误或查询图像文件不存在导致的。为了解决这个问题，可以添加以下代码段来检查输入图像是否存在：

if query_image is None:
    print('无法加载查询图像！')

如果程序输出“无法加载查询图像！”，则说明查询图像未正确加载。此时需要检查查询图像路径是否正确，以及查询图像文件是否存在。