`

相似图片搜索的原理

阅读更多
摘要: 2011年,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。一个对话框会出现。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 ...
 
 
2011年,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。
一个对话框会出现。
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。
上传后,Google返回如下结果
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。
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。
  = 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。
 
http://science.dataguru.cn/article-7057-1.html
 
 
 
: 我在 isnowfy 的网站看到,还有其他两种方法也很简单,这里做一些笔记。一、颜色分布法每张图片都可以生成颜色分布的直方图(color histogram)。如果两张图片的直方图很接近,就可以认为它们很相似。任何一种颜色都 ...
 
 
我在 isnowfy 的网站看到,还有其他两种方法也很简单,这里做一些笔记。
一、颜色分布法
 
每张图片都可以生成颜色分布的直方图(color histogram)。如果两张图片的直方图很接近,就可以认为它们很相似。
任何一种颜色都是由红绿蓝三原色(RGB)构成的,所以上图共有4张直方图(三原色直方图 + 最后合成的直方图)。
 
如果每种原色都可以取256个值,那么整个颜色空间共有1600万种颜色(256的三次方)。针对这1600万种颜色比较直方图,计算量实在太大了,因此需要采用简化方法。可以将0~255分成四个区:0~63为第0区,64~127为第1区,128~191为第2区,192~255为第3区。这意味着红绿蓝分别有4个区,总共可以构成64种组合(4的3次方)。
 
任何一种颜色必然属于这64种组合中的一种,这样就可以统计每一种组合包含的像素数量。
上图是某张图片的颜色分布表,将表中最后一栏提取出来,组成一个64维向量(7414, 230, 0, 0, 8, …, 109, 0, 0, 3415, 53929)。这个向量就是这张图片的特征值或者叫”指纹”。
 
于是,寻找相似图片就变成了找出与其最相似的向量。这可以用皮尔逊相关系数或者余弦相似度算出。
http://science.dataguru.cn/article-7058-1.html
 
二、内容特征法
 
除了颜色构成,还可以从比较图片内容的相似性入手。
 
首先,将原图转成一张较小的灰度图片,假定为50×50像素。然后,确定一个阈值,将灰度图片转成黑白图片。
  
如果两张图片很相似,它们的黑白轮廓应该是相近的。于是,问题就变成了,第一步如何确定一个合理的阈值,正确呈现照片中的轮廓?
显然,前景色与背景色反差越大,轮廓就越明显。这意味着,如果我们找到一个值,可以使得前景色和背景色各自的”类内差异最小”(minimizing the intra-class variance),或者”类间差异最大”(maximizing the inter-class variance),那么这个值就是理想的阈值。
 
1979年,日本学者大津展之证明了,”类内差异最小”与”类间差异最大”是同一件事,即对应同一个阈值。他提出一种简单的算法,可以求出这个阈值,这被称为”大津法”(Otsu’s method)。下面就是他的计算方法。
 
假定一张图片共有n个像素,其中灰度值小于阈值的像素为 n1 个,大于等于阈值的像素为 n2 个( n1 + n2 = n )。w1 和 w2 表示这两种像素各自的比重。
 
w1 = n1 / n
w2 = n2 / n
 
再假定,所有灰度值小于阈值的像素的平均值和方差分别为 μ1 和 σ1,所有灰度值大于等于阈值的像素的平均值和方差分别为 μ2 和 σ2。于是,可以得到
 
类内差异 = w1(σ1的平方) + w2(σ2的平方)
类间差异 = w1w2(μ1-μ2)^2
 
可以证明,这两个式子是等价的:得到”类内差异”的最小值,等同于得到”类间差异”的最大值。不过,从计算难度看,后者的计算要容易一些。
下一步用”穷举法”,将阈值从灰度的最低值到最高值,依次取一遍,分别代入上面的算式。使得”类内差异最小”或”类间差异最大”的那个值,就是最终的阈值。具体的实例和Java算法,请看这里
有了50×50像素的黑白缩略图,就等于有了一个50×50的0-1矩阵。矩阵的每个值对应原图的一个像素,0表示黑色,1表示白色。这个矩阵就是一张图片的特征矩阵。
 
两个特征矩阵的不同之处越少,就代表两张图片越相似。这可以用”异或运算”实现(即两个值之中只有一个为1,则运算结果为1,否则运算结果为0)。对不同图片的特征矩阵进行”异或运算”,结果中的1越少,就是越相似的图片。
分享到:
评论

相关推荐

    Java实现相似图片搜索原理 源码分享

    Java实现相似图片搜索原理 源码分享。 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。 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...

    相似图片搜索原理源码-Java实现

    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。 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...

    相似图片搜索原理的Java实现源码范例和详细说明(由浅入深,深度解读在资料后半部分).docx

    【相似图片搜索原理】 相似图片搜索的核心在于将图片的比较转化为数学问题,即计算两个图片的特征向量之间的距离。这种技术广泛应用于多种场景,包括搜索引擎、社交媒体和智能相册等,能帮助用户找到与目标图片类似...

    相似图片搜索原理的Java实现源码范例和详细说明(由浅入深,深度解读在资料后半部分)(合集).docx

    **相似图片搜索原理** 1. **特征提取**:首先,我们需要从每张图片中提取特征。CNN是一种强大的深度学习模型,能够自动学习图像的高级特征,如边缘、形状、颜色和纹理等。预训练的CNN模型(如Inception-v3)可以...

    相似图片搜索原理 Java实现源码

    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。 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,...

    基于Java的相似图片搜索.pdf

    1、相似图片搜索的概念和技术原理:相似图片搜索是指通过计算图片的相似度,找到与搜索图片相似的图片。该技术的核心是计算图片的指纹,并且计算指纹之间的海明距离,得出图片的相似度。 2、Java语言在相似图片搜索...

    相似图搜索原理-感知哈希算法

    相似图搜索是一种在大量图像库中寻找与目标图像相似图片的技术。在IT领域,这一技术有着广泛的应用,比如在社交媒体中查找重复或类似的内容,搜索引擎优化,以及版权保护等。其核心是通过哈希算法来创建图像的数字...

    JAVA根据图片搜索原理实现 项目附带图片非常完整适合学习

    关键技术:"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。

    Google图片搜索原理

    谷歌的图片搜索功能是搜索...总的来说,谷歌图片搜索的原理是利用高效的图像哈希算法来生成图片的指纹,通过比较指纹的相似度来确定图片的相似性。这种方法在寻找重复图片、版权检测、内容识别等方面有着广泛的应用。

    Google图片搜索原理.docx

    总的来说,Google图片搜索的工作原理主要依赖于图像的哈希指纹比较,通过简化和比较图像的关键特征来找出相似图片。虽然基础算法简单,但其背后的图像处理和机器学习技术却相当复杂,并且随着技术的发展,这些算法的...

    基于特征点匹配的相似图片搜索.zip

    《基于特征点匹配的相似图片搜索技术详解》 在当今数字化时代,图像处理与计算机视觉技术日新月异,其中,基于特征点匹配的相似图片搜索技术是图像检索领域的重要一环。它允许用户通过一张参考图片快速找到与其内容...

    Google图片搜索原理.pdf

    以下是对Google图片搜索原理的详细解析: 1. **感知哈希算法(Perceptual Hash Algorithm)**: 感知哈希算法是一种用于计算图像指纹的技术,它能够生成一个简化的表示,以表达图像的主要特征。这种算法的目的是在忽略...

    相似图片的代码

    首先,我们要理解相似图片搜索的基本原理。通常,它基于图像特征的提取和比较。这包括颜色直方图、纹理特征、形状描述子等。现代技术则更倾向于使用深度学习方法,如卷积神经网络(CNN)来提取图像的高级特征,这些...

    图片搜索的原理.docx

    以下是对图片搜索原理的详细解释: 首先,**特征提取**是图片搜索的核心步骤之一。在这个阶段,算法会分析图片的各个组成部分,以确定其独特的特征。常见的特征描述子包括SIFT(尺度不变特征变换)、指纹算法函数、...

    图片搜索的原理.pdf

    以下是图片搜索原理的详细说明: 1. **特征提取**: 在图片搜索的第一步,需要对输入的图片进行特征提取。特征是描述图像内容的关键信息,如形状、纹理、颜色等。常用的方法有SIFT(尺度不变特征变换)描述子,它...

    SimilarImageHunter, Mac 上寻找相似内容的图片工具.zip

    尤其是在设计、摄影或创意工作中,拥有一款能够高效查找并管理相似图片的工具至关重要。这就是我们今天要介绍的主角——SimilarImageHunter,一款专为Mac用户打造的开源图像相似内容搜索软件。 **什么是...

    卢松松:Google图片搜索的原理.docx

    **Google图片搜索原理详解** Google图片搜索是一种强大的技术,它能帮助用户找到与特定图片相似的其他图片。这项技术的核心在于图像识别和特征匹配,主要分为三个关键步骤: 1. **特征提取**: 图像搜索的第一步...

    图形学--相似图像搜索.ppt

    自2010年起,各大搜索引擎如谷歌、搜狗和百度相继推出了以图搜图的功能,这些功能基于一种被称为“反向图片搜索引擎”的技术。这种引擎不再依赖关键词,而是通过分析图片内容来搜索类似图片。 在众多以图搜图的工具...

Global site tag (gtag.js) - Google Analytics