0

это скорее теоретический вопросфункция из сайтов

всякий раз, когда я искать в Интернете функции извлечения и согласования функций, только результаты я получаю, об объектах изображения .. как найти лицо или patterened подушку и т.д. ..

, но то, что я пытаюсь достичь, является хорошим сочетанием функций (или извлечения) с веб-сайтов .. то есть im фокусируется на важных объектах на веб-сайтах, а совпадение, скорее всего, будет между панелями, таблицами или изображениями (изображения наименее вероятно)

Использование opencv ORB или SIFT не дает мне очень хорошие результаты вот код, который я использую:

def feature_matching2(fp1, fp2, num_of_matches): 
image1 = cv2.imread(fp1, 0) 
image2 = cv2.imread(fp2, 0) 

orb = cv2.ORB() 

kp1, des1 = orb.detectAndCompute(image1, None) 
kp2, des2 = orb.detectAndCompute(image2, None) 

bf = cv2.BFMatcher(cv2.NORM_HAMMING, crossCheck=True) 

matches = bf.match(des1, des2) 
matches = sorted(matches, key=lambda x: x.distance) 

image3 = cv2.drawMatches(image1, kp1, image2, kp2, matches[:num_of_matches]) 

plt.imshow(image3) 
plt.show() 
return sum([match.distance for match in matches[:num_of_matches]]) 

так снова, в основном то, что им ищет это: 1. способ извлечь важные характеристики/объекты из скриншота веб-сайта 2. паросочетание особенность алгоритма что бы уместить крупные изображения, которые включают в себя текст

* редактировать * идея взять скриншот 2 веб-сайтов и сравнить их возможности не использовать HTML на всех

спасибо

+1

, поэтому вы оцениваете изображения веб-сайтов или код сайта или что? если веб-сайты являются статическими (шрифт, фон, размер и т. д. не изменяются), вы можете использовать простое сопоставление шаблонов. Какова цель? – Micka

+0

Я отредактировал сообщение. im сравнение двух особенностей скриншотов. цель состоит в том, чтобы найти столько похожих объектов между 2 –

+0

, как вы определяете «аналогичный объект»? Можете ли вы найти граничные случаи, которые вы считали бы «все еще похожими» и «недостаточно похожими» с примерами изображений? – Micka

ответ

0

Я думаю, вы можете попробовать HOG (Гистограмма ориентированных градиентов). Этот метод учитывает появление ориентации градиента в локализованных частях изображения. И простой Euclidean расстояние подходит для соответствия функций.

+0

любой шанс, который вы описываете немного дальше? или объяснить, как получить эвклидовое расстояние 2 свиней? свиньи простого изображения представляет собой массив из почти 40 м слотов. –

+0

Формула: ** Евклидово расстояние = sqrt (сумма ((Mi-Ni).^2)) **, где ** Mi ** - это пиксели второго изображение и ** Ni ** - это пиксели первого изображения. HOG возвращает функции как размер изображения. Вы можете нормализовать как функции изображения, так и применять их на эвклидовом расстоянии или по пиксельному процессу (но оба должны быть одного размера). Если полученное значение минимально, то оба изображения схожи. – Gowthaman