本章将展示如何利用文本挖掘技术基于图像视觉内容进行图像搜索。在本章中，阐明了利用视觉单词的基本思想，完整解释了的安装细节，并且还在一个示例数据集上进行测试。
本章图像搜索模型是建立在BoW词袋基础上，先对图像数据库提取sift特征，对提取出来的所有sift特征进行kmeans聚类得到视觉单词(每个视觉单词用逆文档词频配以一定的权重)，然后对每幅图像的sift描述子进行统计得到每幅图像的单词直方图表示，最后对给定的查询图像，将其对应的单词直方图与数据库中的单词直方图进行欧式距离匹配，并由大到小进行排序，最后显示靠前的图像。
7.0 安装CherryPy
在接着下面示例的学习前，先介绍CherryPy的安装，以供后面建立web演示实例使用。
7.1 创建词汇
为创建视觉单词词汇，首先需要提取特征描述子，这里，我们使用SIFT描述子。
# -*- coding: utf-8 -*-
import pickle
from PCV.imagesearch import vocabulary
from PCV.tools.imtools import get_imlist
from PCV.localdescriptors import sift
#获取图像列表
imlist = get_imlist('./first500/')
nbr_images = len(imlist)
#获取特征列表
featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)]
#提取文件夹下图像的sift特征
for i in range(nbr_images):
sift.process_image(imlist[i], featlist[i])
#生成词汇
voc = vocabulary.Vocabulary('ukbenchtest')
voc.train(featlist, 1000, 10)
#保存词汇
# saving vocabulary
with open('./first500/vocabulary.pkl', 'wb') as f:
pickle.dump(voc, f)
print 'vocabulary is:', voc.name, voc.nbr_words
上面源码对应ch07_cocabulary.py。在该文件夹下，有一个first500的文件夹，将你从首页下载的数据中文件夹first1000中的图像放在first500中。注意，译者这里实验的时候，由于计算机内存不足，所以只从first1000取出前500张放入first500中。
运行上面代码，会在first500文件夹下生成一个名为vocabulary.pkl的文件，同时在first500会多出500个后缀为.sift的文件，它们分别对应每幅图像提取出来的sift特征描述子。
7.2 添加图像
# -*- coding: utf-8 -*-
import pickle
from PCV.imagesearch import imagesearch
from PCV.localdescriptors import sift
from sqlite3 import dbapi2 as sqlite
from PCV.tools.imtools import get_imlist
#获取图像列表
imlist = get_imlist('./first500/')
nbr_images = len(imlist)
#获取特征列表
featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)]
# load vocabulary
#载入词汇
with open('./first500/vocabulary.pkl', 'rb') as f:
voc = pickle.load(f)
#创建索引
indx = imagesearch.Indexer('testImaAdd.db',voc)
indx.create_tables()
# go through all images, project features on vocabulary and insert
#遍历所有的图像，并将它们的特征投影到词汇上
for i in range(nbr_images)[:500]:
locs,descr = sift.read_features_from_file(featlist[i])
indx.add_to_index(imlist[i],descr)
# commit to database
#提交到数据库
indx.db_commit()
con = sqlite.connect('testImaAdd.db')
print con.execute('select count (filename) from imlist').fetchone()
print con.execute('select * from imlist').fetchone()
运行上面代码后，会在根目录生成建立的索引数据库testImaAdd.db，
7.3 获取候选图像
# -*- coding: utf-8 -*-
import pickle
from PCV.imagesearch import imagesearch
from PCV.localdescriptors import sift
from sqlite3 import dbapi2 as sqlite
from PCV.tools.imtools import get_imlist
#获取图像列表
imlist = get_imlist('./first500/')
nbr_images = len(imlist)
#获取特征列表
featlist = [imlist[i][:-3]+'sift' for i in range(nbr_images)]
#载入词汇
f = open('./first500/vocabulary.pkl', 'rb')
voc = pickle.load(f)
f.close()
src = imagesearch.Searcher('testImaAdd.db',voc)
locs,descr = sift.read_features_from_file(featlist[0])
iw = voc.project(descr)
print 'ask using a histogram...'
#获取imlist[0]的前十幅候选图像
print src.candidates_from_histogram(iw)[:10]
src = imagesearch.Searcher('testImaAdd.db',voc)
print 'try a query...'
nbr_results = 12
res = [w[1] for w in src.query(imlist[0])[:nbr_results]]
imagesearch.plot_results(src,res)
7.4 建立演示程序及Web应用
# -*- coding: utf-8 -*-
import cherrypy
import pickle
import urllib
import os
from numpy import *
#from PCV.tools.imtools import get_imlist
from PCV.imagesearch import imagesearch
"""
This is the image search demo in Section 7.6.
"""
class SearchDemo:
def __init__(self):
# 载入图像列表
self.path = './first500/'
#self.path = 'D:/python_web/isoutu/first500/'
self.imlist = [os.path.join(self.path,f) for f in os.listdir(self.path) if f.endswith('.jpg')]
#self.imlist = get_imlist('./first500/')
#self.imlist = get_imlist('E:/python/isoutu/first500/')
self.nbr_images = len(self.imlist)
self.ndx = range(self.nbr_images)
# 载入词汇
f = open('./first500/vocabulary.pkl', 'rb')
self.voc = pickle.load(f)
f.close()
# 显示搜索返回的图像数
self.maxres = 49
# header and footer html
self.header = """
Image search
"""
self.footer = """