類似圖片搜索的原理

網上看了兩篇很是不錯的圖片類似搜索的文章，轉載以下：

上個月，Google把"類似圖片搜索"正式放上了首頁。

你能夠用一張圖片，搜索互聯網上全部與它類似的圖片。點擊搜索框中照相機的圖標。

一個對話框會出現。

你輸入網片的網址，或者直接上傳圖片，Google就會找出與其類似的圖片。下面這張圖片是美國女演員Alyson Hannigan。

上傳後，Google返回以下結果：

相似的"類似圖片搜索引擎"還有很多，TinEye甚至能夠找出照片的拍攝背景。

==========================================================

這種技術的原理是什麼？計算機怎麼知道兩張圖片類似呢？

根據Neal Krawetz博士的解釋，原理很是簡單易懂。咱們能夠用一個快速算法，就達到基本的效果。

這裏的關鍵技術叫作"感知哈希算法"（Perceptual hash algorithm），它的做用是對每張圖片生成一個"指紋"（fingerprint）字符串，而後比較不一樣圖片的指紋。結果越接近，就說明圖片越類似。

下面是一個最簡單的實現：

第一步，縮小尺寸。

將圖片縮小到8x8的尺寸，總共64個像素。這一步的做用是去除圖片的細節，只保留結構、明暗等基本信息，摒棄不一樣尺寸、比例帶來的圖片差別。

 

第二步，簡化色彩。

將縮小後的圖片，轉爲64級灰度。也就是說，全部像素點總共只有64種顏色。

第三步，計算平均值。

計算全部64個像素的灰度平均值。

第四步，比較像素的灰度。

將每一個像素的灰度，與平均值進行比較。大於或等於平均值，記爲1；小於平均值，記爲0。

第五步，計算哈希值。

將上一步的比較結果，組合在一塊兒，就構成了一個64位的整數，這就是這張圖片的指紋。組合的次序並不重要，只要保證全部圖片都採用一樣次序就好了。

 =  = 8f373714acfcf4d0

獲得指紋之後，就能夠對比不一樣的圖片，看看64位中有多少位是不同的。在理論上，這等同於計算"漢明距離"（Hamming distance）。若是不相同的數據位不超過5，就說明兩張圖片很類似；若是大於10，就說明這是兩張不一樣的圖片。

具體的代碼實現，能夠參見Wote用python語言寫的imgHash.py。代碼很短，只有53行。使用的時候，第一個參數是基準圖片，第二個參數是用來比較的其餘圖片所在的目錄，返回結果是兩張圖片之間不相同的數據位數量（漢明距離）。

這種算法的優勢是簡單快速，不受圖片大小縮放的影響，缺點是圖片的內容不能變動。若是在圖片上加幾個文字，它就認不出來了。因此，它的最佳用途是根據縮略圖，找出原圖。

實際應用中，每每採用更強大的pHash算法和SIFT算法，它們可以識別圖片的變形。只要變形程度不超過25%，它們就能匹配原圖。這些算法雖然更復雜，可是原理與上面的簡便算法是同樣的，就是先將圖片轉化成Hash字符串，而後再進行比較。