梁福林　馮生強(qiáng)　馬思思　石華　唐瓊

摘要：本文利用圖像識(shí)別技術(shù)的模式識(shí)別，設(shè)計(jì)了一種用于識(shí)別衣物品牌與型號(hào)的基于Android平臺(tái)的物品識(shí)別軟件。其在結(jié)構(gòu)上總共分兩大模塊，即客戶端板塊和服務(wù)器板塊，用戶通過客戶端拍取圖片，將圖片上傳到服務(wù)器上，服務(wù)器自動(dòng)截取圖片，通過3輪識(shí)別，找到最相似的圖片。

關(guān)鍵詞：模式識(shí)別；圖像識(shí)別；Android平臺(tái)

中圖分類號(hào)：G642 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-9324（2015）39-0238-02

一、引言

隨著手機(jī)的發(fā)展，人們的生活也變得越來越便捷，但是在某些方面人們?nèi)匀粫?huì)會(huì)遇到困難，比如說走在街上，看到街邊行人身上漂亮的衣服，不知道其品牌，更不知道在哪兒能夠買到。有些時(shí)候人們會(huì)選擇一種方式，即先把別人穿的衣服拍下來，然后再去網(wǎng)上查找，或者去實(shí)體店查找。但是在偌大的市場(chǎng)上找到一件相似的衣服如同大海撈針。所以急需要物品識(shí)別的軟件產(chǎn)生，幫助人們解決尋找喜歡的物品的難題。

二、系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

1.功能設(shè)計(jì)。本文所設(shè)計(jì)的基于Android平臺(tái)的物品識(shí)別軟件主要包括客戶端和服務(wù)器兩部分。客戶端主要負(fù)責(zé)對(duì)衣服拍照并發(fā)送圖片給服務(wù)器，服務(wù)器則負(fù)責(zé)接收數(shù)據(jù)后對(duì)圖像進(jìn)行識(shí)別，并將識(shí)別出的衣服的品牌和型號(hào)返還給客戶端。

在Android客戶端采用的C/S結(jié)構(gòu)，如圖1所示。客戶端的作用是獲取圖片并發(fā)送給服務(wù)器。服務(wù)器的作用是獲取客戶端發(fā)送的圖片，分別經(jīng)過三輪的識(shí)別，得到圖像的信息。用戶與客戶端的交互是通過Activity類完成的。服務(wù)端與數(shù)據(jù)庫相連，實(shí)現(xiàn)圖像的讀取與識(shí)別。Android客戶端與服務(wù)器端的數(shù)據(jù)交換是基于Socket實(shí)現(xiàn)的。

用戶使用本文所設(shè)計(jì)的物品信息查詢系統(tǒng)時(shí)，只需打開軟件，點(diǎn)擊識(shí)別，軟件就可自動(dòng)對(duì)圖片進(jìn)行截圖，并將所截圖片發(fā)給識(shí)別模塊，分別進(jìn)行三輪識(shí)別，具體的識(shí)別模塊流程如圖2所示。

2.系統(tǒng)的關(guān)鍵技術(shù)的實(shí)現(xiàn)。（1）自動(dòng)截圖的實(shí)現(xiàn)。據(jù)統(tǒng)計(jì)，有90%的人物圖片的背景與目標(biāo)圖像的灰度值存在很大的不同，所以提取截圖就是依托這種情況來得到目標(biāo)圖像的。具體實(shí)現(xiàn)如下：①把圖像用灰度數(shù)組表示。創(chuàng)建一個(gè)行和列都和圖像相同的整型的灰度數(shù)組，從左到右、從上到下依次掃描原圖像的像素點(diǎn)，通過提取灰度值得函數(shù)，得到每一個(gè)像素點(diǎn)的灰度值，存進(jìn)數(shù)組中。②得到平均灰度值。計(jì)算灰度平均值可以通過式（1）計(jì)算。

其中，size1為灰度數(shù)組的總的列數(shù)，size2為灰度數(shù)組總的行數(shù)，p[i][j]代表第i列，第j行的圖像的灰度值，r為平均灰度值。③得到二值數(shù)組。求二值數(shù)組的目標(biāo)是讓背景取值為0，目標(biāo)圖像的取值為1。首先算出中間部分的平均灰度值，整幅圖的平均灰度值大于中間部分的平均灰度值則令t1=0，t2=1；如果平均灰度值小于中間部分的平均灰度值則令t1=1，t2=0。建立行數(shù)，列數(shù)和灰度數(shù)組行數(shù)和列數(shù)相同的二值數(shù)組，從左到右，從上到下的掃描灰度數(shù)組，比較灰度值和整幅圖的平均灰度值大小，如果灰度數(shù)組的灰度值大于平均灰度值，則把二值數(shù)組對(duì)應(yīng)灰度數(shù)組的位置的值設(shè)置為t1，否則設(shè)置為t2。④求取截圖的開始坐標(biāo)和結(jié)束坐標(biāo)。從左到右求取每一列的灰度數(shù)組的1占有每一列的長(zhǎng)度的比例，如果比例大于10%則X1的值設(shè)置為列值；從右到左求取每一列的灰度數(shù)組的1占有每一列的長(zhǎng)度的比例，如果比例大于10%則X2的值設(shè)置為列值；從上到下求取每一行的灰度數(shù)組的1占有每一列的長(zhǎng)度的比例，如果比例大于60%則Y1的值設(shè)置為行值；掃描的終止位置離底部的距離不能超過（X2-X1）*3/2。如果描到這個(gè)位置，那么就設(shè)置Y1的值為這個(gè)行值。令底部的行值為Y，如果（Y-Y1）>（X2-X1）*3/2，則Y2=Y1+（X2-X1）*3/2，否則Y2=Y。⑤截圖。上一步得到了開始坐標(biāo)（X1，Y1）和結(jié)束坐標(biāo)（X2，Y2），可以創(chuàng)建出一個(gè)圖像數(shù)組A[X2-X1][Y2-Y1]，把原圖在開始坐標(biāo)和結(jié)束坐標(biāo)內(nèi)的圖像數(shù)組存進(jìn)該數(shù)組中，就得到了截圖。（2）第一輪識(shí)別：顏色識(shí)別。本節(jié)主要講述怎么通過識(shí)別顏色，來實(shí)現(xiàn)第一輪數(shù)據(jù)的獲取。①獲取圖片。拍下的照片先把它轉(zhuǎn)化為Android的Bitmap類，再把圖片發(fā)送至服務(wù)器。服務(wù)器獲取圖片后先自動(dòng)截圖，獲取目標(biāo)圖片。再通過BufferedImage類的getRGB（）方法獲取圖像的像素?cái)?shù)組。②獲取圖片的顏色二維數(shù)組。先做預(yù)處理，把顏色的3個(gè)向量的每一個(gè)向量分作6個(gè)組，得到216種顏色，用肉眼去區(qū)分不同的顏色，并按紅橙黃綠青藍(lán)紫和同一顏色顏色的深淺排序。把每一種顏色都映射到這一維數(shù)組上，實(shí)現(xiàn)3維數(shù)組向一維數(shù)組轉(zhuǎn)換。以得到整張圖片的顏色數(shù)組。③提取平均顏色并識(shí)別。通過得到的圖像的顏色數(shù)組去算出顏色平均值，再與數(shù)據(jù)庫中的顏色平均值所比較，得到與圖像顏色平均值最近的前10%的數(shù)據(jù)。（3）第二輪識(shí)別的實(shí)現(xiàn)。①計(jì)算圖片的每一種顏色的比例。先掃描每一張圖片的顏色數(shù)組，分別記錄每一個(gè)顏色出現(xiàn)的次數(shù)。用每一個(gè)顏色出現(xiàn)的次數(shù)除以像素點(diǎn)總數(shù)，得到每一種顏色的比例。②查看圖片相似度。

size為顏色的總數(shù)，a[t]代表圖片a顏色下標(biāo)為t的顏色占整幅圖顏色的比例，b[t]代表圖片b顏色下標(biāo)為t的顏色占整幅圖的顏色比例，r為相似度。③得到相似結(jié)果。根據(jù)公式（2）算出第一輪掃描得到的圖像中的所有圖像的相似度，并從小到大排序，取排名前10%的圖像進(jìn)行第三輪識(shí)別。（4）第三輪識(shí)別的實(shí)現(xiàn)。第三輪識(shí)別和第二輪很相似，第三輪識(shí)別是取被比較圖的3個(gè)固定位置的圖像塊，即截取3個(gè)局部圖像，算出其每一種顏色的比例，再與第二輪識(shí)別得到的圖像的對(duì)應(yīng)位置（相對(duì)位置和被比較圖的3個(gè)局部圖像相對(duì)位置相同）相比較，得到這3個(gè)位置分別的相似度依托以下公式計(jì)算出相似度。

三、測(cè)試結(jié)果與分析

對(duì)35張樣本，129張樣本的測(cè)試圖片做測(cè)試，匹配正確120張，錯(cuò)誤9張，正確率93.02%。

對(duì)35張樣本，60張用手機(jī)拍的測(cè)試圖片，匹配正確10張，錯(cuò)誤50張，正確率16.67%。

第一種測(cè)試失敗的原因經(jīng)分析如下：

1.部分圖像截圖不正確，背景白色和衣服白色的圖片容易截取錯(cuò)誤。

2.肉眼劃分顏色的細(xì)度不夠，導(dǎo)致部分顏色會(huì)出現(xiàn)深和潛匹配效果相同。

第二種測(cè)試失敗的原因分析如下：

1.不同攝像頭廠商采光，處理顏色的技術(shù)不同，導(dǎo)致有些物品拍攝下來，顏色變化太大。

2.對(duì)照片拍攝時(shí)，照片反光太明顯，引起顏色變化太大導(dǎo)致識(shí)別失敗。

解決方案：

1.設(shè)計(jì)一種攝像頭轉(zhuǎn)換程序，即分析兩個(gè)攝像頭拍攝物品顏色的區(qū)別，把本地?cái)z像頭拍攝的照片通過圖像處理，處理為種本攝像頭的效果圖片，再查詢數(shù)據(jù)庫（有待研究）

2.依靠背景的顏色特點(diǎn)，識(shí)別是否有燈光的影響，然后再對(duì)實(shí)際的物體做圖像處理，去除燈光的影響，再查詢數(shù)據(jù)庫。

四、總結(jié)

在同一攝像頭，同一環(huán)境下拍照同一個(gè)依托顏色和明顯的花紋區(qū)分的物品的圖像識(shí)別基本上正確。以后的圖像研究可以從不標(biāo)準(zhǔn)圖片往標(biāo)準(zhǔn)圖片上靠攏，識(shí)別率會(huì)高很多。只是本軟件還存在一些問題沒有解決，如環(huán)境問題和攝像頭效果問題等，希望讀者可以與我們一起分析。

參考文獻(xiàn)：

[1]張洪剛，陳光，郭軍.圖像處理與識(shí)別[M].北京郵電大學(xué)出版社，2006.

[2]數(shù)字圖像處理：Java語言算法描述[M].北京：高等教育出版社，清華大學(xué)出版社，2004.

[3]孫夑華.數(shù)字圖像處理：Java編程與實(shí)驗(yàn)[M].北京：機(jī)械工業(yè)出版社，2011.