像Google Picasa这样的软件很好地展示了一点，即软件可以在没有Exif数据的情况下判断照片的拍摄方向，因为并不是每个相机都能提供该信息。
是否有一种记录在案的算法可输出图像是否需要旋转？ 我想找出旋转方向，但不使用EXIF数据。如果可能的话，我想用ImageMagick来做到这一点。
什么是正面？- 自动图像旋转算法
24
- Thomaschaaf
3
1你看到过 Picasa 不能正确处理的例子吗？你尝试过加载合成图像来查看 Picasa 如何处理它们吗？另外，你能发布一些样本图像吗？ - Rethunk
1抱歉，我是一名自然语言处理模型，无法打开链接。请提供需要翻译的具体内容，谢谢。 - ergosys
1我通过谷歌搜索“图像方向检测算法”找到了几篇论文（以及上述重复的内容）。 - ergosys
6个回答
29
这是一个复杂的问题，需要根据持续的研究进行相应的处理。Yann's answer基本上指向了已有的常规方法 (+1)，而mfrellum's hint则涉及到模式识别这一主题同样适用 (+1) - 如果您想进行更深入的分析，可以阅读以下几篇论文（这是我个人过去研究的主观选择）:
[请注意：下面大多数PDF链接都是从Google Scholar中推断出来的 - Google自然擅长在公开可用的论文摘要中找到匹配的PDF，而实际内容往往被隐藏在付费墙后面。当然，这种做法的合法性存在争议，对于通常公开资助的科学研究进行如此屏蔽也是如此 - 请自行判断！]
- 其中一篇较早且广泛引用的论文可能是自动图像方向检测（Hongjiang Zhang，Aditya Vailaya和Anil Jain - 1999）。
- 2002年更详细但不太正式的更新版本目前可作为IEEE证明PDF使用。
- 2002年更详细但不太正式的更新版本目前可作为IEEE证明PDF使用。
Hongjiang Zhang的许多后续论文之一是基于内容的图像方向检测技术与支持向量机（Yongmei Wang和Hongjiang Zhan - 2001）。
另一篇（虽然不太具有说明性）是室内外分类增强的图像方向检测方法（Lei Zhang，Mingjing Li，Hongjiang Zhang-2002）
- 例如，可以查看合著者张磊的Microsoft Research Publications，以了解最终涉及的许多图像相关算法挑战的情况。
- 例如，可以查看合著者张磊的Microsoft Research Publications，以了解最终涉及的许多图像相关算法挑战的情况。
因此，前述方法的摘要为基于低级视觉内容的图像方向检测（Yongmei Michelle Wang和Hongjiang Zhang - 2003）
一种相当复杂的方法是一种基于置信度的低级和语义线索集成的图像方向检测的概率方法（Jiebo Luo和Matthew Boutel-2004）
关于您的问题标题，最佳匹配实际上是使用综合人类感知线索进行图像方向检测（或哪个方向是正的）（Lei Wang，Xu Liu，Lirong Xia，Guangyou Xu，Alfred Bruckstein-2003）;)
最后，您可能需要查看有关自动数字照片方向检测系统和方法（2008年）的专利 - 基本算法在图8中被详细总结。;)
玩得开心 :)
- Steffen Opel
15
当可用时，它可能会读取储存在JPEG头中的exif信息，来确定相机在拍摄照片时的方向。这比尝试分析照片找出哪个方向朝上的方法要简单得多。
共有八种可能的方向。标志告诉您哪个方向是朝上的：
EXIF Orientation Value Row #0 is: Column #0 is:
1 Top Left side
2* Top Right side
3 Bottom Right side
4* Bottom Left side
5* Left side Top
6 Right side Top
7* Right side Bottom
8 Left side Bottom
NOTE: Values with "*" are uncommon since they represent "flipped" orientations.
这将减少需要使用图像识别的照片数量。
- ChrisF
1
4请注意：在问题更新之前，我已经添加了这个答案。 - ChrisF
7
我不知道具体的实现方法，但以下是一些想法：
- 天空是蓝色的。寻找边缘上的蓝色。越多的蓝色 = 更可能是向上。
- 图像的上部区域通常比下部区域更少细节（天空、云）。
- 进行边缘检测并寻找长的水平线。如果它们不是水平的，那么图像可能是倾斜的。结合 #1 和 #2 来确定是否旋转了180度。
请注意，EXIF 数据中有一个旋转字段，来自相机的方向传感器。始终首先使用此数据，因为其余的是图像处理的猜测。
- Yann Ramin
5
我不知道有没有现成的解决方案，但这是一个分类问题，有许多经典算法可以使用。B.D. Ripley的Pattern Recognition and Neural Networks 是这个主题的好读物。
openCV有一个机器学习模块可用于此。
解决方案可能涉及启发式方法，如 Yann Ramin 的答案中的 1-3，但以介于0和1之间的数字量化，并放入向量中。您可以使用具有关于方向的exif数据的图像来制作分类器的训练集。
- mfrellum
4
主要光源通常在上方，无论是白天还是晚上，是否有人在场景中。将高光检测与边缘检测相结合，您可以确定场景光源的可能位置并判断哪个方向是上方。
编辑：好问题-我刚刚在Google学者上花了5分钟，未能找到正确的问题领域。
编辑：明白了。它被称为“图像方向检测”-不是太模糊的标题。
编辑：快速回顾表明，有两种主要方法：
1.组合分类器-训练许多不同的分类器并组合结果，这是一种经典的“尽力而为”的方法。在这里，论文的大部分创新贡献似乎在于设计不同分类器如何组合的新方法。
2.具体特征-选择一个特定（或小的一组特定）特征并使用它们进行分类、检测方向。一些例子是:面部识别+边缘检测，局部二进制模式重叠（相对：仅适用于同一对象的两个图像之间）。
无论如何，这绝对是一个有趣的领域，似乎专利比论文更多，这使得它变得更加有趣。然而，我没有找到任何解释Picasa方法的内容。但我找到了这个：
S. Baluja（来自Google）发表了以下论文：
编辑：好问题-我刚刚在Google学者上花了5分钟，未能找到正确的问题领域。
编辑：明白了。它被称为“图像方向检测”-不是太模糊的标题。
编辑：快速回顾表明，有两种主要方法：
1.组合分类器-训练许多不同的分类器并组合结果，这是一种经典的“尽力而为”的方法。在这里，论文的大部分创新贡献似乎在于设计不同分类器如何组合的新方法。
2.具体特征-选择一个特定（或小的一组特定）特征并使用它们进行分类、检测方向。一些例子是:面部识别+边缘检测，局部二进制模式重叠（相对：仅适用于同一对象的两个图像之间）。
无论如何，这绝对是一个有趣的领域，似乎专利比论文更多，这使得它变得更加有趣。然而，我没有找到任何解释Picasa方法的内容。但我找到了这个：
S. Baluja（来自Google）发表了以下论文：
- 自动图像方向检测：一种可扩展的增强方法, 2007
- 高效面向检测, 2004
- 什么是CAPTCHA？基于图像方向的CAPTCHA, 2009
- Cris Stringfellow
0
Picasa具有面部识别功能，即使它没有实际标记已知的人，也可能会有所帮助。
- izb
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接