飞雪团队

 找回密码
 立即注册
搜索
热搜: 活动 交友 discuz
查看: 230|回复: 0

相似图片搜索的原理

[复制链接]

1802

主题

1857

帖子

7268

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
7268
发表于 2020-8-12 23:23:02 | 显示全部楼层 |阅读模式
上个月,Google把"相似图片搜索"正式放上了首页。
                                                                                                                你可以用一张图片,搜索互联网上所有与它相似的图片。点击搜索框中照相机的图标。
64dd07e36005fe9f5cc0d22f92d7f25e.png

一个对话框会出现。
d47f6ebc048af0ea4b0d47c328f25159.png

你输入网片的网址,或者直接上传图片,Google就会找出与其相似的图片。下面这张图片是美国女演员Alyson Hannigan。
0f67ac40a64410b8639aaf578303ec1a.jpg

上传后,Google返回如下结果:
b3f3e8b9858e761a14e5635ccc57054a.jpg

类似的"相似图片搜索引擎"还有不少,TinEye甚至可以找出照片的拍摄背景。
64596a059984ac9c652f23d4301d7d86.jpg

==========================================================
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,原理非常简单易懂。我们可以用一个快速算法,就达到基本的效果。
这里的关键技术叫做"感知哈希算法"(Perceptual hash 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。
下面是一个最简单的实现:
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。
4ab91a50333c3ae5361a9e0dd96b166a.png
c5add1933eed09dc2b8d8832eaccf150.png

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次序就行了。
57a78d87e801ed1c041ab031ceb5d9a9.png
=
8eab6529e53b2a11b0859a7f8ee5c784.png
= 8f373714acfcf4d0
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"(Hamming distance)。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。
具体的代码实现,可以参见Wote用python语言写的imgHash.py。代码很短,只有53行。使用的时候,第一个参数是基准图片,第二个参数是用来比较的其他图片所在的目录,返回结果是两张图片之间不相同的数据位数量(汉明距离)。
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。
UPDATE(2013.03.31)
这篇文章还有续集,请看这里。
(完)
回复

使用道具 举报

懒得打字嘛,点击右侧快捷回复 【右侧内容,后台自定义】
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

手机版|飞雪团队

GMT+8, 2020-10-2 06:22 , Processed in 0.055900 second(s), 27 queries , Gzip On.

Powered by 飞雪团队

Copyright © 2001-2020, Tencent Cloud.

快速回复 返回顶部 返回列表