以图搜图

以图搜图,查找类似图片

点击搜图,上传图片,会找出与之相似的图片(google搜图,百度搜图),图片相似度越高就越排在前面。

根据Neal Krawetz博士的解释,实现相似图片搜索的关键技术叫做“感知哈希算法”(Perceptualhash algorithm),它的作用是对每张图片生成一个“指纹”(fingerprint)字符串,然后比较不同图片的指纹,结果越相近,就说明图片越相似。

从网上看到一个简单的java实现,如下:

首先,预处理:读取图片

第一步,缩小尺寸

将图片缩小到8x8的尺寸,总共64个像素。这一步的作用是去除图片的细节,只保留结构、明暗信息等基本信息,摒弃不同尺寸、比例带来的图片差异。

第二步,简化色彩

将缩小后的图片,转为64级灰度。也就是说,所有像素点总共只有64种颜色。

第三步,计算平均值

计算所有64个像素的灰度平均值。

第四步,比较像素的灰度。

将每个像素的灰度,与平均值进行比较。大于或等于平均值,记为1;小于平均值,记为0.

第五步,计算哈希值。

将上一步的比较结果,组合在一起,就构成了一个64位的整数,这就是这张图片的指纹。组合的次序并不重要,只要保证所有图片都采用同样的次序就行了。

得到指纹后,就可以对比不同的图片,看看64位中有多少位是不一样的。在理论上,这等同于计算“汉明距离”(Hammingdistance)。如果不相同的数据位不超过5,就说明两张图片很相似;如果大于10,就说明这是两张不同的图片。可以将几张图放在一起,也计算出其汉明距离对比,就可以看看两张图片是否相似。

该算法的优点:快速简单,不受图片大小缩放的影响,缺点是图片的内容不能变更。如果在图片上加几个文字,它就认不出来。所以,其最佳用途是根据缩略图,找出原图。

实际中,往往采用更强大的pHash算法和SIFT算法,他们能够识别图片的变形。只要变形程度不超过25%,他们就能匹配原图。这些算法虽然更复杂,但是原理与上面的简便算法是一样的,就是先将图片转化成Hash字符串,然后进行比较。

 

 

 

你可能感兴趣的:(图像)