关于Google类似图片搜索的原理剖析

Google类似图片搜索你能够用一张图片，搜索互联网上全部与它类似的图片。点击搜索框中照相机的图标。

一个对话框出现

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

上传后，Google返回以下结果：

相似的"类似图片搜索引擎"还有很多，TinEye甚至能够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类似呢？

根据Neal Krawetz博士的解释，原理很是简单易懂。咱们能够用一个快速算法，就达到基本的效果。

这里的关键技术叫作"感知哈希算法"（Perceptual hash algorithm），它的做用是对每张图片生成一个"指纹"（fingerprint）字符串，而后比较不一样图片的指纹。结果越接近，就说明图片越类似。

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。这一步的做用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不一样尺寸、比例带来的图片差别。

 

第二步，简化色彩。

将缩小后的图片，转为64级灰度。也就是说，全部像素点总共只有64种颜色。

第三步，计算平均值。

计算全部64个像素的灰度平均值。

第四步，比较像素的灰度。

将每一个像素的灰度，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，组合在一块儿，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，只要保证全部图片都采用一样次序就好了。

 =  = 8f373714acfcf4d0

获得指纹之后，就能够对比不一样的图片，看看64位中有多少位是不同的。在理论上，这等同于计算"汉明距离"（Hamming distance）。若是不相同的数据位不超过5，就说明两张图片很类似；若是大于10，就说明这是两张不一样的图片。

具体的代码实现，能够参见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余图片所在的目录，返回结果是两张图片之间不相同的数据位数量（汉明距离）。

这种算法的优势是简单快速，不受图片大小缩放的影响，缺点是图片的内容不能变动。若是在图片上加几个文字，它就认不出来了。因此，它的最佳用途是根据缩略图，找出原图。

实际应用中，每每采用更强大的pHash算法和SIFT算法，它们可以识别图片的变形。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，可是原理与上面的简便算法是同样的，就是先将图片转化成Hash字符串，而后再进行比较。