Как определить координаты картинки у которой нет дубликатов, либо с наименьшими повторениями?

Question

[maryaTurova]

Примеры картинок

1 картинка. (Здесь координаты 1 или 3 картинки)

2 картинка. (Здесь координаты 4 картинки)

3 картинка.(Здесь координаты 5 картинки)

Каждую обрезаю по контуру:

Пример

img = cv2.imread('test.png')
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
_, thresh = cv2.threshold(img, 225, 255, cv2.THRESH_BINARY_INV)
kernal = np.ones((3, 3), np.uint8)
dilation = cv2.dilate(thresh, kernal, iterations=2)
contours, hierarchy = cv2.findContours(
    dilation, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
cnts = sorted(contours, key=cv2.contourArea, reverse=True)

for c in cnts:
    x, y, w, h = cv2.boundingRect(c)
    box_img = img[y:y+h, x:x+w]

Решил попробовать по подсчету пикселей, но для одинаковых картинок и под разным наклонам они отличаются.
Так же собирал все пиксели в список и искал по самой большой разнице, но этот вариант тоже далек от 100%.
Есть мысли?

Comments

[Алан Гибизов]

Ставьте тэги, конкретно отражающие проблему. Косвенно относящиеся - не надо.

Answer 1

[Алексей Черемисин]

Смотрите в сторону хеширующих функций, например реализация phash Вас спасет - https://en.m.wikipedia.org/wiki/Perceptual_hashing
Ну и книжку порекомендую "цифровая обработка изображений" Гонсалес и Вудс.

Comments

[maryaTurova]

Попробовал. Получил phash каждого объекта и сравнил дистанцию друг с другом.

['2746496767414627', '4dc545545405c54f', '4c16965561591157', '4c16965561591157', '6f575f435765292d', '2d2965574b5d556d']
2746496767414627 > 4dc545545405c54f = 25
2746496767414627 > 4c16965561591157 = 29
2746496767414627 > 4c16965561591157 = 29
2746496767414627 > 6f575f435765292d = 21
2746496767414627 > 2d2965574b5d556d = 25
4dc545545405c54f > 4c16965561591157 = 26
4dc545545405c54f > 4c16965561591157 = 26
4dc545545405c54f > 6f575f435765292d = 24
4dc545545405c54f > 2d2965574b5d556d = 22
4c16965561591157 > 4c16965561591157 = 0
4c16965561591157 > 6f575f435765292d = 28
4c16965561591157 > 2d2965574b5d556d = 26
4c16965561591157 > 6f575f435765292d = 28
4c16965561591157 > 2d2965574b5d556d = 26
6f575f435765292d > 2d2965574b5d556d = 26

Не вижу к чему прицепится. (верный результат самый первый в списке)

[Алексей Черемисин]

maryaTurova, Я так понимаю,

[2746496767414627', '4dc545545405c54f', '4c16965561591157', '4c16965561591157', '6f575f435765292d', '2d2965574b5d556d']

Это хеши?
Ну как минимум я здесь виду две одинаковые! А что получается при вырезании? Может быть попробовать постчитать для каждой картинки по 4-м поворотам?
И все делается за один проход, не нужно сравнивать каждый с каждым. Достаточно заносить хеши в set и при вычислении следующего хеша проверять его наличии в сете, если нет, заносить и обрабатывать следующую картинку.

Answer 2

[U235U235]

Как вариант, считать статистические характеристики картинок, типа моментов (среднее, дисперсия и т.д.), гистограммы, независимые от поворота. А далее кластеризовать вектора признаков, точнее находить выброс.

Comments

[maryaTurova]

Какой развернутый ответ.

[Everything_is_not_so_bad]

Если можно, подробнее