谷歌的图片搜索原理.docxVIP

谷歌的图片搜索原理 很多人都用过google图片搜索功能。你可以用一张图片，搜索互联网上所有与它相似的图片。 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alysonhannigan 上载后，google回到如下结果： 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nealkrawetz博士的表述，原理非常简单易懂。我们可以用一个快速算法，就达至基本的效果。 这里的关键技术叫做感知哈希算法（perceptualhashalgorithm），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，增大尺寸。 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。 第二步，精简色彩。 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，排序平均值。 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，排序哈希值。 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。 获得指纹以后，就可以对照相同的图片，看一看64位中存有多少位就是不一样的。在理论上，这等同于排序汉明距离（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。 具体内容的代码同时实现，可以参看wote用python语言写下的imghash.py。代码很短，只有53行。采用的时候，第一个参数就是基准图片，第二个参数就是用以比较的其他图片所在的目录，回到结果就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。 实际应用领域中，往往使用更强悍的phash算法和sift算法，它们能辨识图片的变形。只要变形程度不少于25%，它们就能够相匹配原图。这些算法虽然更繁杂，但是原理与上面的方便快捷算法就是一样的，就是先将图片转化成hash字符串，然后再展开比较。