iOS 7 正式版发布,快来升级吧!

查看详情 关闭

详解Google相似图片搜索功能的原理

谷歌最近更新了图片搜索功能,可以自己提交图片文件或者输入图片的网址搜索相近的图片,很炫吧?点击这里马上进入谷歌图片搜索,点击这里查看使用帮助。那么,这个相似图片搜索究竟是如何实现的呢?其实也不是很难,下面就为大家从技术的角度分析一下!

第一步 将图片尺寸缩小

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 将图片色彩简化

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

google image search 1

第三步 计算灰度平均值

计算所有64个像素的灰度平均值

第四步 比较像素灰度

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。

第六步 利用算法进行匹配

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

注:分析步骤转自http://www.ruanyifeng.com/blog/2011/07/principle_of_similar_image_search.html

使用截图

google image search 2

使用相似图片搜索P&P的logo

请在 新浪微博腾讯微博人人网 关注我们,及时获得最新教程、资讯和精彩推荐!




分享本文:
更多