图片相似图片搜索原理一则

相似图片搜索原理一则

记得百度去年上线了shitu.baidu.com当你上传一张照片时百度可以自动帮你适配到相似的图片。

加上有众所周知的搜索引擎读不懂图片这一大前提那么百度是如何实现这一功能的呢

一、一个十分简单的实现方法

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。

来个简单的小示例

第一步缩小尺寸。

将图片缩小到8×8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。

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。大于戒等于平均值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。组合的次序幵不重要只要保证所有图片都采用同样次序就行了。

= =8facfcf4d0

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。

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。

怎么样是不是很简单其实跟搜索引擎在处理文字时的道理一样他幵没有读懂任何的字戒者图片只是简单的通过特征判定即可计算出图片的相似度从而匹配出合适的图片了。