“随手拍”物品信息查询系统应用设计与实现

2015-12-11梁福林冯生强马思思石华唐琼

教育教学论坛 2015年39期

梁福林　冯生强　马思思　石华　唐琼

摘要：本文利用图像识别技术的模式识别，设计了一种用于识别衣物品牌与型号的基于Android平台的物品识别软件。其在结构上总共分两大模块，即客户端板块和服务器板块，用户通过客户端拍取图片，将图片上传到服务器上，服务器自动截取图片，通过3轮识别，找到最相似的图片。

关键词：模式识别；图像识别；Android平台

中图分类号：G642 文献标志码：A 文章编号：1674-9324（2015）39-0238-02

一、引言

随着手机的发展，人们的生活也变得越来越便捷，但是在某些方面人们仍然会会遇到困难，比如说走在街上，看到街边行人身上漂亮的衣服，不知道其品牌，更不知道在哪儿能够买到。有些时候人们会选择一种方式，即先把别人穿的衣服拍下来，然后再去网上查找，或者去实体店查找。但是在偌大的市场上找到一件相似的衣服如同大海捞针。所以急需要物品识别的软件产生，帮助人们解决寻找喜欢的物品的难题。

二、系统的设计与实现

1.功能设计。本文所设计的基于Android平台的物品识别软件主要包括客户端和服务器两部分。客户端主要负责对衣服拍照并发送图片给服务器，服务器则负责接收数据后对图像进行识别，并将识别出的衣服的品牌和型号返还给客户端。

在Android客户端采用的C/S结构，如图1所示。客户端的作用是获取图片并发送给服务器。服务器的作用是获取客户端发送的图片，分别经过三轮的识别，得到图像的信息。用户与客户端的交互是通过Activity类完成的。服务端与数据库相连，实现图像的读取与识别。Android客户端与服务器端的数据交换是基于Socket实现的。

用户使用本文所设计的物品信息查询系统时，只需打开软件，点击识别，软件就可自动对图片进行截图，并将所截图片发给识别模块，分别进行三轮识别，具体的识别模块流程如图2所示。

2.系统的关键技术的实现。（1）自动截图的实现。据统计，有90%的人物图片的背景与目标图像的灰度值存在很大的不同，所以提取截图就是依托这种情况来得到目标图像的。具体实现如下：①把图像用灰度数组表示。创建一个行和列都和图像相同的整型的灰度数组，从左到右、从上到下依次扫描原图像的像素点，通过提取灰度值得函数，得到每一个像素点的灰度值，存进数组中。②得到平均灰度值。计算灰度平均值可以通过式（1）计算。

其中，size1为灰度数组的总的列数，size2为灰度数组总的行数，p[i][j]代表第i列，第j行的图像的灰度值，r为平均灰度值。③得到二值数组。求二值数组的目标是让背景取值为0，目标图像的取值为1。首先算出中间部分的平均灰度值，整幅图的平均灰度值大于中间部分的平均灰度值则令t1=0，t2=1；如果平均灰度值小于中间部分的平均灰度值则令t1=1，t2=0。建立行数，列数和灰度数组行数和列数相同的二值数组，从左到右，从上到下的扫描灰度数组，比较灰度值和整幅图的平均灰度值大小，如果灰度数组的灰度值大于平均灰度值，则把二值数组对应灰度数组的位置的值设置为t1，否则设置为t2。④求取截图的开始坐标和结束坐标。从左到右求取每一列的灰度数组的1占有每一列的长度的比例，如果比例大于10%则X1的值设置为列值；从右到左求取每一列的灰度数组的1占有每一列的长度的比例，如果比例大于10%则X2的值设置为列值；从上到下求取每一行的灰度数组的1占有每一列的长度的比例，如果比例大于60%则Y1的值设置为行值；扫描的终止位置离底部的距离不能超过（X2-X1）*3/2。如果描到这个位置，那么就设置Y1的值为这个行值。令底部的行值为Y，如果（Y-Y1）>（X2-X1）*3/2，则Y2=Y1+（X2-X1）*3/2，否则Y2=Y。⑤截图。上一步得到了开始坐标（X1，Y1）和结束坐标（X2，Y2），可以创建出一个图像数组A[X2-X1][Y2-Y1]，把原图在开始坐标和结束坐标内的图像数组存进该数组中，就得到了截图。（2）第一轮识别：颜色识别。本节主要讲述怎么通过识别颜色，来实现第一轮数据的获取。①获取图片。拍下的照片先把它转化为Android的Bitmap类，再把图片发送至服务器。服务器获取图片后先自动截图，获取目标图片。再通过BufferedImage类的getRGB（）方法获取图像的像素数组。②获取图片的颜色二维数组。先做预处理，把颜色的3个向量的每一个向量分作6个组，得到216种颜色，用肉眼去区分不同的颜色，并按红橙黄绿青蓝紫和同一颜色颜色的深浅排序。把每一种颜色都映射到这一维数组上，实现3维数组向一维数组转换。以得到整张图片的颜色数组。③提取平均颜色并识别。通过得到的图像的颜色数组去算出颜色平均值，再与数据库中的颜色平均值所比较，得到与图像颜色平均值最近的前10%的数据。（3）第二轮识别的实现。①计算图片的每一种颜色的比例。先扫描每一张图片的颜色数组，分别记录每一个颜色出现的次数。用每一个颜色出现的次数除以像素点总数，得到每一种颜色的比例。②查看图片相似度。

size为颜色的总数，a[t]代表图片a颜色下标为t的颜色占整幅图颜色的比例，b[t]代表图片b颜色下标为t的颜色占整幅图的颜色比例，r为相似度。③得到相似结果。根据公式（2）算出第一轮扫描得到的图像中的所有图像的相似度，并从小到大排序，取排名前10%的图像进行第三轮识别。（4）第三轮识别的实现。第三轮识别和第二轮很相似，第三轮识别是取被比较图的3个固定位置的图像块，即截取3个局部图像，算出其每一种颜色的比例，再与第二轮识别得到的图像的对应位置（相对位置和被比较图的3个局部图像相对位置相同）相比较，得到这3个位置分别的相似度依托以下公式计算出相似度。

三、测试结果与分析

对35张样本，129张样本的测试图片做测试，匹配正确120张，错误9张，正确率93.02%。

对35张样本，60张用手机拍的测试图片，匹配正确10张，错误50张，正确率16.67%。

第一种测试失败的原因经分析如下：

1.部分图像截图不正确，背景白色和衣服白色的图片容易截取错误。

2.肉眼划分颜色的细度不够，导致部分颜色会出现深和潜匹配效果相同。

第二种测试失败的原因分析如下：

1.不同摄像头厂商采光，处理颜色的技术不同，导致有些物品拍摄下来，颜色变化太大。

2.对照片拍摄时，照片反光太明显，引起颜色变化太大导致识别失败。

解决方案：

1.设计一种摄像头转换程序，即分析两个摄像头拍摄物品颜色的区别，把本地摄像头拍摄的照片通过图像处理，处理为种本摄像头的效果图片，再查询数据库（有待研究）

2.依靠背景的颜色特点，识别是否有灯光的影响，然后再对实际的物体做图像处理，去除灯光的影响，再查询数据库。