人工“智能”圖像識(shí)別

陳凱

人們很容易知道，圖1中四張圖片其實(shí)來自同一張愛因斯坦的肖像畫，第二張圖片在尺寸上有變化（為后續(xù)行文方便，稱其為苗條愛因斯坦），第三張圖片加了個(gè)小點(diǎn)綴（稱為靈感愛因斯坦），第四張布滿了白色噪點(diǎn)（稱為混沌愛因斯坦）。人的視覺和頭腦很容易就能在一大堆無關(guān)的圖片中，挑選出這幾張圖像，并把不完全相同的愛因斯坦歸于一組，計(jì)算機(jī)能做到嗎？本文設(shè)計(jì)了一個(gè)活動(dòng)，以計(jì)算圖像相似程度為主線，通過“應(yīng)用—操作—討論”這三步，探索計(jì)算機(jī)“辨圖”的奧妙。

● 應(yīng)用——專業(yè)找圖

TinEye是一個(gè)在線的反向圖片查找工具，地址是www.tineye.com，用戶上傳圖片，該工具負(fù)責(zé)找出圖片的原始出處。將以上四張愛因斯坦的肖像畫上傳后，這款工具就能找到相近的愛因斯坦肖像（如圖2）。

TinEye能認(rèn)出圖1中這四張圖都是“愛因斯坦”嗎？其實(shí)不能。但計(jì)算機(jī)能借助算法，判斷不同圖像之間的差異。或許大家頭腦中會(huì)冒出諸如“深度學(xué)習(xí)”“神經(jīng)網(wǎng)絡(luò)”這樣的名詞來，其實(shí)要實(shí)現(xiàn)上述判斷，并不需要用到那些“高端”功能，用感知哈希算法就可以實(shí)現(xiàn)了，為了解釋感知哈希算法最基本的原理，下面筆者就利用圖像編輯工具，一步一步手工進(jìn)行圖像識(shí)別，看看計(jì)算機(jī)是如何判斷圖像相似程度的。

● 操作——手工辨圖

先找到某個(gè)圖像編輯工具，本文用小巧簡(jiǎn)單的“易筆易畫”軟件來舉例，大家也可以使用自己熟悉的圖像編輯工具來做這個(gè)實(shí)驗(yàn)。打開愛因斯坦圖像，然后縮小到8×8像素，注意這里不要按比例縮小，不管什么形狀的圖片，都縮小成正方形，雖然縮小圖片后許多像素被拋棄，但卻仍然保留了一些特征，并且可以發(fā)現(xiàn)，即便不同的愛因斯坦圖片尺寸比例不同，縮小成正方形后，這些圖片看上去就非常相似了（如圖3），這正是不同比例圖像之間能進(jìn)行相似程度比較的關(guān)鍵，沒想到其實(shí)那么簡(jiǎn)單吧。

接著，是將彩色位圖轉(zhuǎn)化為灰階圖像。不同的模型有不同的轉(zhuǎn)化算法，這里就不展開具體討論了，只用軟件默認(rèn)的轉(zhuǎn)化功能來進(jìn)行轉(zhuǎn)化。以“易筆易畫”軟件為例，點(diǎn)擊“圖像—黑白照”菜單項(xiàng)即可。這么一來，在比較圖片時(shí)就不必糾結(jié)細(xì)小的色彩區(qū)別了。以“原始愛因斯坦”圖像為例，做成8×8像素的灰階圖像后（如圖4），雖然已經(jīng)完全看不出是人臉，但仍然保留了原始圖片的一些特征。

最后，是獲得灰階圖像的圖像指紋。圖像指紋其實(shí)是一個(gè)符號(hào)串，其生成方法大致為：首先計(jì)算所有像素灰度值的平均值，然后觀察每個(gè)像素，如其灰度大于等于平均值則記為1，小于平均值則記為0，將這些二進(jìn)制數(shù)字連起來，就成了圖像指紋。

完成上面這步工作需要編寫程序?qū)崿F(xiàn)，但為了更便捷地體驗(yàn)效果，筆者使用了一種偷懶的計(jì)算方法：

首先，獲得近似的平均灰度：將圖片轉(zhuǎn)為半影調(diào)圖片，在“易筆易畫”中，點(diǎn)擊菜單“效果—色彩變換—半影調(diào)”即可，數(shù)一下空白格子，將空白格子數(shù)除以64。以“原始愛因斯坦”圖像為例，半影調(diào)化后（如圖5），數(shù)一下就知道，其中有32個(gè)白色格子，除以64后值為0.5（0.5表示圖像總體亮度的程度）。

其次，回到“原始愛因斯坦”灰階圖像，將該圖進(jìn)行閾值處理。閾值閥門的位置設(shè)在0.5比例處，在“易筆易畫”中，就是設(shè)置為256×0.5=128（如圖6）。

最后，設(shè)黑色格子為0，白色格子為1，于是就可知圖像指紋為：0000000000011100001111110010111100000111000111101010100000000100。

用這種方法生成圖像指紋，雖然精確度不高，但足以說明問題。實(shí)際應(yīng)用中的算法考慮了多方面的問題，其具體實(shí)施過程要復(fù)雜得多。有興趣的朋友可以進(jìn)一步深入學(xué)習(xí)。其他圖片也可以照此操作得到圖像指紋（如圖7）。

苗條愛因斯坦：0000001000011100001111110011111100000111100110110010110000000100；靈感愛因斯坦：0000000001111100011111100010111100000111000110100010100000000100；混沌愛因斯坦：0000000010011100101101110010011110010111101110110010000001000101。

一般情況下，圖像指紋越相似，則圖像也越相似。觀察上面的圖像指紋，苗條愛因斯坦和靈感愛因斯坦這兩張圖片，與原始圖片的相似度都有百分之九十以上，而混沌愛因斯坦與原始圖片的相似度只有百分之八十以上。若是換成一張牛頓的圖像進(jìn)行同樣操作（如上頁圖8，牛頓肖像畫的圖像指紋為0000000000110110000111100001111010011110001110000011111000111110），相似度就只有百分之六十五。

● 討論和嘗試——智能識(shí)圖

上述算法很簡(jiǎn)單，但局限性也很大，下面一些問題值得討論，也可以實(shí)際設(shè)計(jì)一些實(shí)驗(yàn)來驗(yàn)證一下自己的想法是否正確：

①怎樣在愛因斯坦原圖上做一些變動(dòng)，讓感知哈希算法變得無能為力呢？例如，在圖像邊緣勾上一條和背景顏色反差很大的邊框。

②能否找到或親手繪制一些和愛因斯坦完全無關(guān)的圖片，讓感知哈希算法認(rèn)為這些圖片和愛因斯坦肖像相似程度很高？

③感知哈希算法只能判別圖形的相似程度，無法判斷圖像內(nèi)容的相似程度，它無法知道那個(gè)站在寫滿物理學(xué)公式的黑板前的愛因斯坦，和那個(gè)拉著小提琴或者頑皮吐著舌頭的愛因斯坦是同一個(gè)人。那么，當(dāng)前還有哪些工具可以幫助人們判斷圖像內(nèi)容的相似程度呢？