简论图像匹配检索系统
图像匹配检索系统主要分为服务端和客户端两部分,客户端主要作用是向服务端提供图像,服务端的主要作用是向客户端提供图像匹配检索服务。服务端收到图像后会计算出图像的特征,然后查找出与所提供图像特征最接近的特征(可以是一个或多个)。此外,服务器还应提供特征索引功能且具备动态从特征库中增删特征的能力。以下从图像特征描述、特征索引和脱机训练三个方面简单介绍一下图像匹配检索系统,并对图像匹配检索系统的未来趋势进行展望。
图像匹配检索系统主要分为服务端和客户端两部分,客户端主要作用是向服务端提供图像,服务端的主要作用是向客户端提供图像匹配检索服务。服务端收到图像后会计算出图像的特征,然后查找出与所提供图像特征最接近的特征(可以是一个或多个)。此外,服务器还应提供特征索引功能且具备动态从特征库中增删特征的能力。以下从图像特征描述、特征索引和脱机训练三个方面简单介绍一下图像匹配检索系统,并对图像匹配检索系统的未来趋势进行展望。
GEOS是一个开源的C++计算几何引擎,基于Java Topology Suite(JTS)移植而来。GEOS的文档和示例比较匮乏,并且接口主要用C封装,想直接上手比较困难,借鉴JTS的文档或者直接学习shapely是个不错的选择。
shapely是基于GEOS的Python包,文档示例比较完善,由于是在python上运作,可视化功能十分强大,上手起来非常简单。文档详见这里。1
2
3from shapely.ops import cascaded_union
polygons = [Point(i, 0).buffer(0.7) for i in range(5)]
cascaded_union(polygons)