Google 以图搜图 - 相似图片搜索原理 - Java实现

转载自luohong722的博客:http://blog.csdn.net/luohong722/article/details/7100058


前阵子在阮一峰的博客上看到了这篇相似图片搜索原理》博客,就有一种冲动要将这些原理实现出来了。

 

Google "相似图片搜索":你可以用一张图片,搜索互联网上所有与它相似的图片。

打开Google图片搜索页面:

Google 以图搜图 - 相似图片搜索原理 - Java实现

点击使用上传一张angelababy原图:

Google 以图搜图 - 相似图片搜索原理 - Java实现

点击搜索后,Google将会找出与之相似的图片,图片相似度越高就越排在前面。如:

Google 以图搜图 - 相似图片搜索原理 - Java实现

这种技术的原理是什么?计算机怎么知道两张图片相似呢?

根据Neal Krawetz博士的解释,实现相似图片搜素的关键技术叫做"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。结果越接近,就说明图片越相似。

 

以下是一个最简单的Java实现:

 

预处理:读取图片

[java]  view plain copy print ?
  1. File inputFile = newFile(filename);   
  2. BufferedImage sourceImage = ImageIO.read(inputFile);//读取图片文件  

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、明暗等基本信息,摒弃不同尺寸、比例带来的图片差异。

[java]  view plain copy print ?
  1. int width= 8;  
  2. intheight = 8;  
  3. // targetW,targetH分别表示目标长和宽  
  4. int type= sourceImage.getType();// 图片类型  
  5. BufferedImagethumbImage = null;  
  6. double sx= (double) width / sourceImage.getWidth();  
  7. double sy= (double) height / sourceImage.getHeight();  
[java]  view plain copy print ?
  1. // 将图片宽度和高度都设置成一样,以长度短的为准  
  2. if (b) {  
  3.       if(sx > sy) {  
  4.             sx= sy;  
  5.             width= (int) (sx * sourceImage.getWidth());  
  6.       }else {  
  7.             sy= sx;  
  8.             height= (int) (sy * sourceImage.getHeight());  
  9.       }  
  10. }  
  11. // 自定义图片  
  12. if (type== BufferedImage.TYPE_CUSTOM) { // handmade  
  13.      ColorModelcm = sourceImage.getColorModel();  
  14.      WritableRasterraster = cm.createCompatibleWritableRaster(width,height);  
  15.      booleanalphaPremultiplied = cm.isAlphaPremultiplied();  
  16.      thumbImage= new BufferedImage(cm, raster, alphaPremultiplied, null);  
  17.  } else {  
  18.      // 已知图片,如jpg,png,gif  
  19.      thumbImage= new BufferedImage(width, height, type);  
  20. }  
  21. // 调用画图类画缩小尺寸后的图  
  22. Graphics2Dg = target.createGraphics();  
  23. //smoother than exlax:  
  24. g.setRenderingHint(RenderingHints.KEY_RENDERING, RenderingHints.VALUE_RENDER_QUALITY);  
  25. g.drawRenderedImage(sourceImage,AffineTransform.getScaleInstance(sx, sy));  
  26. g.dispose();  

 

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。

[html]  view plain copy print ?
  1. int[]pixels = new int[width * height];  
  2. for (inti = 0; i < width; i++) {  
  3.       for(int j = 0; j < height; j++) {  
  4.             pixels[i* height + j] = rgbToGray(thumbImage.getRGB(i, j));  
  5.       }  
  6. }  
  7. /**  
  8.  * 灰度值计算  
  9.  * @param pixels 彩色RGB值(Red-Green-Blue 红绿蓝)  
  10.  * @return int 灰度值  
  11.  */  
  12. public static int rgbToGray(int pixels) {  
  13.        // int _alpha =(pixels >> 24) & 0xFF;  
  14.        int _red = (pixels >> 16) & 0xFF;  
  15.        int _green = (pixels >> 8) & 0xFF;  
  16.        int _blue = (pixels) & 0xFF;  
  17.        return (int) (0.3 * _red + 0.59 * _green + 0.11 * _blue);  
  18. }  


第三步,计算平均值。

计算所有64个像素的灰度平均值。

[java]  view plain copy print ?
  1. int avgPixel= 0;  
  2. int m = 0;  
  3. for (int i =0; i < pixels.length; ++i) {  
  4.       m +=pixels[i];  
  5. }  
  6. m = m /pixels.length;  
  7. avgPixel = m;  


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。

[java]  view plain copy print ?
  1. int[] comps= new int[width * height];  
  2. for (inti = 0; i < comps.length; i++) {  
  3.     if(pixels[i] >= avgPixel) {  
  4.         comps[i]= 1;  
  5.     }else {  
  6.         comps[i]= 0;  
  7.     }  
  8. }  

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次序就行了。

 =  = 8f373714acfcf4d0

[html]  view plain copy print ?
  1. StringBufferhashCode = new StringBuffer();  
  2. for (inti = 0; i < comps.length; i+= 4) {  
  3.       intresult = comps[i] * (int) Math.pow(2, 3) + comps[i + 1] * (int) Math.pow(2, 2)+ comps[i + 2] * (int) Math.pow(2, 1) + comps[i + 2];  
  4.       hashCode.append(binaryToHex(result));//二进制转为16进制  
  5. }  
  6. StringsourceHashCode = hashCode.toString();  


得到指纹以后,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。

[java]  view plain copy print ?
  1. int difference = 0;  
  2. int len =sourceHashCode.length();  
  3.          
  4. for (inti = 0; i < len; i++) {  
  5.    if(sourceHashCode.charAt(i) != hashCode.charAt(i)) {  
  6.        difference++;  
  7.    }  
  8. }  

你可以将几张图片放在一起,也计算出他们的汉明距离对比,就可以看看两张图片是否相似。

 

这种算法的优点是简单快速,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,它就认不出来了。所以,它的最佳用途是根据缩略图,找出原图。

 

实际应用中,往往采用更强大的pHash算法和SIFT算法,它们能够识别图片的变形。只要变形程度不超过25%,它们就能匹配原图。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,然后再进行比较。


以上内容大部分直接从阮一峰的网站上复制过来,想看原著的童鞋可以去在最上面的链接点击进去看。


提供源码下载,源码下载链接:http://download.csdn.net/detail/luohong722/3965112 

参考链接:神奇的图像处理算法, 11款相似图片搜索引擎推荐,以图搜图将不再是难事,http://insidesearch.blogspot.com/2011/07/teaching-computers-to-see-image.html

你可能感兴趣的:(java,Algorithm,html,算法,Google,图像处理)