转载自luohong722的博客:http://blog.csdn.net/luohong722/article/details/7100058
前阵子在阮一峰的博客上看到了这篇《相似图片搜索原理》博客,就有一种冲动要将这些原理实现出来了。
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。
打开Google图片搜索页面:
点击使用上传一张angelababy原图:
点击搜索后,Google将会找出与之相似的图片,图片相似度越高就越排在前面。如:
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,实现相似图片搜素的关键技术叫做"感知哈希算法"(Perceptualhash 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。
以下是一个最简单的Java实现:
预处理:读取图片
-
FileinputFile=newFile(filename);
-
BufferedImagesourceImage=ImageIO.read(inputFile);
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。
-
intwidth=8;
-
intheight=8;
-
-
inttype=sourceImage.getType();
-
BufferedImagethumbImage=null;
-
doublesx=(double)width/sourceImage.getWidth();
-
doublesy=(double)height/sourceImage.getHeight();
-
-
if(b){
-
if(sx>sy){
-
sx=sy;
-
width=(int)(sx*sourceImage.getWidth());
-
}else{
-
sy=sx;
-
height=(int)(sy*sourceImage.getHeight());
-
}
-
}
-
-
if(type==BufferedImage.TYPE_CUSTOM){
-
ColorModelcm=sourceImage.getColorModel();
-
WritableRasterraster=cm.createCompatibleWritableRaster(width,height);
-
booleanalphaPremultiplied=cm.isAlphaPremultiplied();
-
thumbImage=newBufferedImage(cm,raster,alphaPremultiplied,null);
-
}else{
-
-
thumbImage=newBufferedImage(width,height,type);
-
}
-
-
Graphics2Dg=target.createGraphics();
-
-
g.setRenderingHint(RenderingHints.KEY_RENDERING,RenderingHints.VALUE_RENDER_QUALITY);
-
g.drawRenderedImage(sourceImage,AffineTransform.getScaleInstance(sx,sy));
-
g.dispose();
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。
-
int[]pixels=newint[width*height];
-
for(inti=0;i<width;i++){
-
for(intj=0;j<height;j++){
-
pixels[i*height+j]=rgbToGray(thumbImage.getRGB(i,j));
-
}
-
}
-
/**
-
*灰度值计算
-
*@parampixels彩色RGB值(Red-Green-Blue红绿蓝)
-
*@returnint灰度值
-
*/
-
publicstaticintrgbToGray(intpixels){
-
//int_alpha=(pixels>>24)&0xFF;
-
int_red=(pixels>>16)&0xFF;
-
int_green=(pixels>>8)&0xFF;
-
int_blue=(pixels)&0xFF;
-
return(int)(0.3*_red+0.59*_green+0.11*_blue);
-
}
第三步,计算平均值。
计算所有64个像素的灰度平均值。
-
intavgPixel=0;
-
intm=0;
-
for(inti=0;i<pixels.length;++i){
-
m+=pixels[i];
-
}
-
m=m/pixels.length;
-
avgPixel=m;
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。
-
int[]comps=newint[width*height];
-
for(inti=0;i<comps.length;i++){
-
if(pixels[i]>=avgPixel){
-
comps[i]=1;
-
}else{
-
comps[i]=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
-
StringBufferhashCode=newStringBuffer();
-
for(inti=0;i<comps.length;i+=4){
-
intresult=comps[i]*(int)Math.pow(2,3)+comps[i+1]*(int)Math.pow(2,2)+comps[i+2]*(int)Math.pow(2,1)+comps[i+2];
-
hashCode.append(binaryToHex(result));//二进制转为16进制
-
}
-
StringsourceHashCode=hashCode.toString();
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"(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。
-
intdifference=0;
-
intlen=sourceHashCode.length();
-
-
for(inti=0;i<len;i++){
-
if(sourceHashCode.charAt(i)!=hashCode.charAt(i)){
-
difference++;
-
}
-
}
你可以将几张图片放在一起,也计算出他们的汉明距离对比,就可以看看两张图片是否相似。
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。
以上内容大部分直接从阮一峰的网站上复制过来,想看原著的童鞋可以去在最上面的链接点击进去看。
提供源码下载,源码下载链接:http://download.csdn.net/detail/luohong722/3965112
参考链接:神奇的图像处理算法,11款相似图片搜索引擎推荐,以图搜图将不再是难事,http://insidesearch.blogspot.com/2011/07/teaching-computers-to-see-image.html
分享到:
相关推荐
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...
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。
这是一个用pHash算法实现的图像搜索实例,供大家相互学习参考。
经过公司CTO的帮助,完成了基于Java语言实现的,相似图像识别,基于直方图比较算法,经过测算此算法优于基于图像指纹的哈希算法.千金难买好代码.
它可能产生错误的漏洞,如果有一个伽马校正或颜色直方图被用于到图像。这是因为颜色沿着一个非线性标尺 - 改变其中“平均值”的位置,并因此改变哪些高于/低于平均值的比特数。一个更健壮的算法叫pHash,(我使用的是...
它的功能十分强大,通过使用这款软件,就能通过一张图片查找另一路径下的相似图片,因此利用该软件用户们就可以快速搜索自己电脑本地里与当前图片相似的图片所在位置,因此该软件适合那些经常需要管理大量图片的用户...
使用bof算法来提取图像特征,在corel数据集(10*100张图片)上实现以图搜图,即输入数据集中某一张图,在剩下的999张图里搜索最邻近的10张图。
按图片搜索“按图像搜索”的基本 Java 实现在这个项目中,我们使用了一种称为“感知哈希算法”的算法,该算法用于创建“指纹”——每个图像的唯一字符串,并将每个指纹与原始图像进行比较。 结果越接近,两幅图像越...
三步构建属于你自己的图片搜索引擎,掌握向量数据库和以图搜图、文本搜索图片 教程 准备数据:开源软件 FFmpeg 生成模型使用图片数据集 处理图片数据,构建向量索引:使用 Redis 构建轻量的向量数据库应用:图片...
七牛云以图搜图官方文档:https://developer.qiniu.com/dora/4680/image-search 七牛云综合 SDK下载及安装文档:https://developer.qiniu.com/kodo/1241/php 本示例SDk放置在\library\Public\Qiniu下 整合的方法...
使用opencv2.4.9 使用VS2013 基于图像直方图颜色空间比较
Delphi 百度搜图 以图搜图 返回Json 调用百度的接口 可以自行在百度智能云申请 个账号 申请建库。
在Windows10+vs2013+opencv3.00+qt5.6.0平台利用哈希感知算法实现以图搜图软件,可以输入图片,在数据库中搜索类似的图片。也可以对图片进行训练写入数据库。(相关博客:...
以图搜图是电商场景常见的一个功能,有些平台也称为“相似图片搜索功能”,“识图功能”,“相似宝贝搜索功能”。 功能允许用户上传一张产品图片,平台在图片库进行索引并按排名返回最为相似的一批图片
Google图片搜索原理,帮助读者了解图片搜索的基本原理
基于LIRE搭建的图像检索,实现以图搜图 - 不懂运行,下载完可以私聊问,可远程教学 该资源内项目源码是个人的毕设,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! 1、该资源内...
本地以图搜图识图工具——三件套本地图片对比软件是一款方便实用的工具,旨在帮助用户通过图片来搜索和识别相关的信息。这三件套的软件包括图像搜索工具、图片对比工具和图像识别工具,以满足用户在各种场合下对图像...
使用方法:将插件解压到elasticsearch 的plugins目录下即可。 存储数据时 ColorLayout surfFeature = new ColorLayout(); surfFeature.extract(ImageIO.read(imgfilepath)); JSONObject o = new JSONObject();...
jsp+struts2 编写的 以图搜图demo,图片库 目录为WebRoot\medias\images,上传图片后会自动获取该目录下所有图片文件并比对。