类似图片搜索的原理

Google把"类似图片搜索"正式放上了首页。

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。

           

在isnowfy的网站看到，还有其余两种方法也很简单，这里作一些笔记。

1、颜色分布法

每张图片均可以生成颜色分布的直方图（color histogram）。若是两张图片的直方图很接近，就能够认为它们很类似。

任何一种颜色都是由红绿蓝三原色（RGB）构成的，因此上图共有4张直方图（三原色直方图 + 最后合成的直方图）。

若是每种原色均可以取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，所以须要采用简化方法。能够将0～255分红四个区：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，总共能够构成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，这样就能够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"。

因而，寻找类似图片就变成了找出与其最类似的向量。这能够用皮尔逊相关系数或者余弦类似度算出。

2、内容特征法

除了颜色构成，还能够从比较图片内容的类似性入手。

首先，将原图转成一张较小的灰度图片，假定为50x50像素。而后，肯定一个阈值，将灰度图片转成黑白图片。

  

若是两张图片很类似，它们的黑白轮廓应该是相近的。因而，问题就变成了，第一步如何肯定一个合理的阈值，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，若是咱们找到一个值，可使得前景色和背景色各自的"类内差别最小"（minimizing the intra-class variance），或者"类间差别最大"（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实了，"类内差别最小"与"类间差别最大"是同一件事，即对应同一个阈值。他提出一种简单的算法，能够求出这个阈值，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，全部灰度值小于阈值的像素的平均值和方差分别为 μ1 和 σ1，全部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。因而，能够获得

　　类内差别 = w1(σ1的平方) + w2(σ2的平方)

　　类间差别 = w1w2(μ1-μ2)^2

能够证实，这两个式子是等价的：获得"类内差别"的最小值，等同于获得"类间差别"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"类内差别最小"或"类间差别最大"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50x50像素的黑白缩略图，就等于有了一个50x50的0-1矩阵。矩阵的每一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。

两个特征矩阵的不一样之处越少，就表明两张图片越类似。这能够用"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，不然运算结果为0）。对不一样图片的特征矩阵进行"异或运算"，结果中的1越少，就是越类似的图片。