以图搜图浅述（一）

以图搜图的实现概要步骤

准备环节：

提取图片的特征值【提取结果为多维向量，可以理解为[0.9, 0.32, 0.11, 0.99, ...]】，两个图片的特征值越接近，说明两个图片越相似。

然后把所有已知图片的特征值存储起来。

搜索环节：

想搜索与新图像相似的已保存的图像，首先计算新图片的特征值，然后与所有已知图片的特征值进行比较，找出最相似的前N张图片。

特征值相似度的比较，业界常用的是计算两个特征值之间的余弦距离， 余弦距离越大，说明两个特征值越相似。

如何理解呢？

想象两个二维向量，在平面直角坐标系下，A，B两个点，当两个点重合时，途中的两条线重合，夹角为0，夹角的余弦值为1，这时两个点最相似，依次类推，A B 距离很近时，其夹角度数很小，余弦值很大，这两个二维向量相似度很高。将此推广到N维，我们看不到两条线的夹角了，但是可以想象，道理一致。

下一篇将重点说说如何把N维向量存储到elasticsearch中，以及如何搜索。