Skip to main content
 首页 » 编程设计

Python之地球移动距离

2025年01月19日8lidabo

我想使用 Earth Movers Distance 来比较多个图像。
我将 scipy.stats.wasserstein_distance() 与 pyemd.emd_samples() 进行了比较。 据我了解,wasserstein_distance() 采用两个分布,即直方图,而 emd_samples() 采用一维值数组并为您计算直方图。
鉴于这两种方法使用相同的直方图,它们应该提供相同或至少相似的结果。
问题是,这两种方法提供的结果截然不同。但是,如果我在这两种方法中传递图像的扁平化版本,结果将非常相似。

是我这边有误还是其中一个实现有问题?

cat1 = skimage.io.imread("./cat1.jpg", as_grey=True).flatten().astype('float64') 
cat2 = skimage.io.imread("./cat2.jpg", as_grey=True).flatten().astype('float64') 
shuttle = skimage.io.imread("./shuttle.jpg", as_grey=True).flatten().astype('float64') 
 
emd_s = np.array([[emd_samples(cat1, cat1, bins="fd"), emd_samples(cat1, cat2, bins="fd"), emd_samples(cat1, shuttle, bins="fd")], 
                  [emd_samples(cat2, cat1, bins="fd"), emd_samples(cat2, cat2, bins="fd"), emd_samples(cat2, shuttle, bins="fd")], 
                  [emd_samples(shuttle, cat1, bins="fd"), emd_samples(shuttle, cat2, bins="fd"), emd_samples(shuttle, shuttle, bins="fd")]]) 
 
pmf_cat1, bins_cat1 = np.histogram(cat1 , bins="fd") 
pmf_cat2, bins_cat2 = np.histogram(cat2 , bins="fd") 
pmf_shuttle, bins_shuttle = np.histogram(shuttle , bins="fd") 
 
emd_s2 = np.array([[emd_samples(pmf_cat1, pmf_cat1, bins="fd"), emd_samples(pmf_cat1, pmf_cat2, bins="fd"), emd_samples(pmf_cat1, pmf_shuttle, bins="fd")], 
                  [emd_samples(pmf_cat2, pmf_cat1, bins="fd"), emd_samples(pmf_cat2, pmf_cat2, bins="fd"), emd_samples(pmf_cat2, pmf_shuttle, bins="fd")], 
                  [emd_samples(pmf_shuttle, pmf_cat1, bins="fd"), emd_samples(pmf_shuttle, pmf_cat2, bins="fd"), emd_samples(pmf_shuttle, pmf_shuttle, bins="fd")]]) 
 
swd = np.array([[wasserstein_distance(pmf_cat1, pmf_cat1), wasserstein_distance(pmf_cat1, pmf_cat2), wasserstein_distance(pmf_cat1, pmf_shuttle)], 
                [wasserstein_distance(pmf_cat2, pmf_cat1), wasserstein_distance(pmf_cat2, pmf_cat2), wasserstein_distance(pmf_cat2, pmf_shuttle)], 
                [wasserstein_distance(pmf_shuttle, pmf_cat1), wasserstein_distance(pmf_shuttle, pmf_cat2), wasserstein_distance(pmf_shuttle, pmf_shuttle)]]) 
 
swd2 = np.array([[wasserstein_distance(cat1, cat1), wasserstein_distance(cat1, cat2), wasserstein_distance(cat1, shuttle)], 
                [wasserstein_distance(cat2, cat1), wasserstein_distance(cat2, cat2), wasserstein_distance(cat2, shuttle)], 
                [wasserstein_distance(shuttle, cat1), wasserstein_distance(shuttle, cat2), wasserstein_distance(shuttle, shuttle)]]) 

上面的示例对 emd_s 和 swd2 产生了相似的结果,对 emd_s2 和 swd 也产生了相似的结果,尽管最后一对仍然有很大不同,因为技术上 emd_samples 应该在这种情况下基于直方图制作直方图。

请您参考如下方法:

我遇到了类似的问题,想在这里记下一些事情。

  1. 函数 emd_samples 和 wasserstein_distance 都将(经验)分布中观察到的值作为输入,而不是分布本身。

  2. emd 函数允许您传递分布,但是,您需要提供度量作为附加参数。此外,在将直方图用作(密度)分布时,您需要对其进行归一化。

  3. 不展平灰度图像意味着您比较仅适用于 pyemd 的 2D-histgramms。

示例用法:

import numpy as np 
import skimage 
import os 
 
from pyemd import emd, emd_samples 
from scipy.stats import wasserstein_distance 
 
# get some test images 
img1 = skimage.io.imread(os.path.join(skimage.data_dir, 'astronaut.png')) 
img2 = skimage.io.imread(os.path.join(skimage.data_dir, 'camera.png')) 
img3 = skimage.io.imread(os.path.join(skimage.data_dir, 'horse.png')) 
 
# flatten them 
images = [img.ravel() for img in [img1, img2, img3]] 
 
# compute EMD using values 
emd_samples(images[0], images[1]) # 25.57794401220945 
wasserstein_distance(images[0], images[1]) # 25.76187896728515 
 
# compute EMD using distributions 
N_BINS = 256 
hists = [np.histogram(img, N_BINS, density=True)[0].astype(np.float64) for img in images] 
 
mgrid = np.meshgrid(np.arange(N_BINS), np.arange(N_BINS)) 
metric = np.abs(mgrid[0] - mgrid[1]).astype(np.float64) 
 
emd(hists[0], hists[1], metric) # 25.862491463680065