我怎样才能用Python找到沃利？

Question

不知羞耻地赶时髦：-）

受How do I find Waldo with Mathematica和后续的How to find Waldo with R启发，作为一个新的python用户，我很想看看如何做到这一点。似乎python比R更适合这种情况，而且我们不必像Mathematica或Matlab那样担心许可证问题。

在下面这样的例子中，简单地使用条纹显然是行不通的。如果一个简单的基于规则的方法可以用于像这样困难的例子，那将是很有趣的。

我添加了[机器学习]标签，因为我认为正确的答案必须使用ML技术，例如Gregory Klopper在原始线程中提倡的受限Boltzmann机器（RBM）方法。有一些RBM code available in python可能是一个很好的起点，但显然这种方法需要训练数据。

在2009 IEEE International Workshop on MACHINE LEARNING FOR SIGNAL PROCESSING (MLSP 2009)他们运行了Data Analysis Competition: Where's Wally?。训练数据以matlab格式提供。请注意，该网站上的链接已经失效，但是可以找到数据（以及Sean McLoone和同事采用的方法的来源here（请参阅SCM链接）。似乎只有一个起点。

Answer 1

这是一个带有mahotas的实现

from pylab import imshow
import numpy as np
import mahotas
wally = mahotas.imread('DepartmentStore.jpg')

wfloat = wally.astype(float)
r,g,b = wfloat.transpose((2,0,1))

分成红、绿、蓝三个频道。下面最好使用浮点运算，所以我们在上面转换。

w = wfloat.mean(2)

w是白色通道。

pattern = np.ones((24,16), float)
for i in xrange(2):
    pattern[i::4] = -1

在垂直轴上建立+1、+1、-1、-1的图案。这是沃利的衬衫。

v = mahotas.convolve(r-w, pattern)

用红色减白色卷积。这会给衬衫所在的地方一个强烈的反应。

mask = (v == v.max())
mask = mahotas.dilate(mask, np.ones((48,24)))

寻找最大值并将其放大以使其可见。现在，我们调低整个图像，除了区域或兴趣：

wally -= .8*wally * ~mask[:,:,None]
imshow(wally)

我们得到！