因为项目需要，最近研究了一下在Android App内实现两张图片的相似度比较。查了一圈之后发现OpenCV有提供SIFT算法，所以最终决定用SIFT算法实现两张图片的相似度比较。
在正式开始之前，对与OpenCV中提供的SIFT算法先简单说明一下，以免大家像我一样走很多弯路。因为SIFT算法版权的原因，在3.0版本开始，SIFT算法被移出了官方提供的SDK。需要用的人要自己下载Opencv_contrib源码包进行编译。这个过程可以在网上查到，比较繁琐。但比较巧的是这个SIFT算法的版权刚好最近到期，所以官方最近又把SIFT算法加进了SDK中。所以想用的朋友可以直接下载OpenCV 4.4.0版本就可以了。具体OpenCV的接入方法可以参考我的另外一篇文章（https://www.jianshu.com/p/6fdefcdb86de），在这就不再赘述了。
接下来，我们就直接进入正题，如何用SIFT算法实现两张图片的相似度比较。话不多说，直接上代码，看了就自然会了。
import android.content.Context;
import android.graphics.Bitmap;
import android.graphics.BitmapFactory;
import android.util.Log;
import com.wildma.idcardcamera.R;
import org.opencv.android.Utils;
import org.opencv.core.DMatch;
import org.opencv.core.Mat;
import org.opencv.core.MatOfDMatch;
import org.opencv.core.MatOfKeyPoint;
import org.opencv.features2d.DescriptorMatcher;
import org.opencv.features2d.SIFT;
import java.util.ArrayList;
import java.util.List;
public class SIFTTest {
public static boolean isTemplateMatch(Context mContext, Bitmap srcBitmap) {
float nndrRatio =0.7f;//邻近距离阀值，这里设置既定值为0.7，该值可自行调整
BitmapFactory.Options options =new BitmapFactory.Options();
options.inPreferredConfig = Bitmap.Config.ARGB_8888;
Bitmap bmp1 = BitmapFactory.decodeResource(mContext.getResources(), R.mipmap.template1, options);
Mat tempMat =new Mat();
Utils.bitmapToMat(bmp1, tempMat);
Mat srcMat =new Mat();
Utils.bitmapToMat(srcBitmap, srcMat);
MatOfKeyPoint templateKeyPoints =new MatOfKeyPoint();
MatOfKeyPoint srcKeyPoints =new MatOfKeyPoint();
//初始化SIFT
SIFT siftDetector = SIFT.create();
MatOfKeyPoint templateDescriptors =new MatOfKeyPoint();
MatOfKeyPoint srcDescriptors =new MatOfKeyPoint();
DescriptorMatcher descriptorMatcher = DescriptorMatcher.create(DescriptorMatcher.FLANNBASED);
//获取模板图的特征点
siftDetector.detect(tempMat, templateKeyPoints);
siftDetector.detect(srcMat, srcKeyPoints);
siftDetector.compute(tempMat, templateKeyPoints, templateDescriptors);
siftDetector.compute(srcMat, srcKeyPoints, srcDescriptors);
List matches =new ArrayList<>();
//获取最佳匹配点列表
descriptorMatcher.knnMatch(templateDescriptors, srcDescriptors, matches,2);
int matchCount =0;
for (int i =0; i < matches.size(); i++) {
MatOfDMatch match = matches.get(i);
DMatch[] array = match.toArray();
DMatch m1 = array[0];
DMatch m2 = array[1];
//用邻近距离比值法(NDDR)计算匹配点数
if (m1.distance <= m2.distance * nndrRatio) {
++matchCount;
}
}
Log.i("###","======matchCount========" + matchCount);
if (matchCount >=4) {
//当匹配后的特征点大于等于 4 个，则认为模板图在原图中(这边匹配特征点个数可以根据实际情况自己设置)
return true;
}
return false;
}
}
OK，有轮子就是这么简单，这样就实现了用SIFT算法比较两张图片的相似度。因为这是我第一次使用，有可能会存在一些错误，如有发现问题请不吝赐教。
实际运行下来发现这个算法的精度的确挺高，果然名不虚传！但对我来说有一点不理想的地方就是运行速度偏慢，执行一次比较需要1～2s。如果单纯只是想比较两张静态图片（比如缩略图、原图的切片之类），大可不必用这么复杂的算法，比如下面这种直方图比较法，运行起来就快很多。
import android.content.Context;
import android.graphics.Bitmap;
import android.graphics.BitmapFactory;
import android.util.Log;
import com.wildma.idcardcamera.R;
import org.opencv.android.Utils;
import org.opencv.core.Mat;
import org.opencv.core.MatOfFloat;
import org.opencv.core.MatOfInt;
import org.opencv.imgproc.Imgproc;
import java.util.Arrays;
public class HistCompareTest {
public static boolean isTemplateMatch(Context mContext, Bitmap bitmap) {
//读取模版图片
BitmapFactory.Options options =new BitmapFactory.Options();
options.inPreferredConfig = Bitmap.Config.ARGB_8888;
Bitmap bmp1 = BitmapFactory.decodeResource(mContext.getResources(), R.mipmap.tag_circle, options);
Mat mat1 =new Mat();
Utils.bitmapToMat(bitmap, mat1);
Mat mat2 =new Mat();
Utils.bitmapToMat(bmp1, mat2);
Mat mat_1 =new Mat();
Mat mat_2 =new Mat();
//颜色转换
Imgproc.cvtColor(mat1, mat_1, Imgproc.COLOR_BGR2HSV);
Imgproc.cvtColor(mat2, mat_2, Imgproc.COLOR_BGR2HSV);
Mat hist_1 =new Mat();
Mat hist_2 =new Mat();
//颜色范围
MatOfFloat ranges =new MatOfFloat(0f,256f);
//直方图大小， 越大匹配越精确 (越慢)
MatOfInt histSize =new MatOfInt(100);
Imgproc.calcHist(Arrays.asList(mat_1),new MatOfInt(0),new Mat(), hist_1, histSize, ranges);
Imgproc.calcHist(Arrays.asList(mat_2),new MatOfInt(0),new Mat(), hist_2, histSize, ranges);
// 相似度系数，该值越接近1表示越相似
double histVal = Imgproc.compareHist(hist_1, hist_2, Imgproc.CV_COMP_CORREL);
Log.i("###","=====histVal======" + histVal);
//相似度值大于0.6，则认为两张图片相似（该值可以根据你实际情况自由设置）
if (histVal >0.6){
return true;
}
return false;
}
}
好了，这次的分享就到这里啦！希望对你会有所帮助·～
