http://www.ruanyifeng.com/blog/2013/03/similar_image_search_part_ii.html

作者: 阮一峰

日期: 2013年3月31日

二年前,我写了《相似图片搜索的原理》,介绍了一种最简单的实现方法。

昨天,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。

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50x50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。

(完)

转载于:https://www.cnblogs.com/bnuvincent/p/4857866.html

相似图片搜索的原理(二)(转)相关推荐

  1. 以图搜图 相似图片搜索的原理(二)

    转自:http://www.ruanyifeng.com/blog/2013/03/similar_image_search_part_ii.html 二年前,我写了<相似图片搜索的原理> ...

  2. 相似图片搜索的原理(二)

    转自:http://www.ruanyifeng.com/blog/2013/03/similar_image_search_part_ii.html 二年前,我写了<相似图片搜索的原理> ...

  3. Google 图片搜索的原理是什么?

    Google 图片搜索的原理是什么? 1 条评论 分享 按投票排序按时间排序 18 个回答 389赞同 反对,不会显示你的姓名 知乎用户,安全行业 XsXs.知乎用户.知乎用户 等人赞同 针对这个问题 ...

  4. 简单的相似图片搜索的原理

    FROM:1) http://www.ruanyifeng.com/blog/2011/07/principle_of_similar_image_search.html 2) http://www. ...

  5. 相似图片搜索的原理(转)

    http://www.ruanyifeng.com/blog/2011/07/principle_of_similar_image_search.html 作者: 阮一峰 日期: 2011年7月21日 ...

  6. 相似图片搜索的原理(1)

    [原文链接] 上个月,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 ...

  7. 以图搜图 相似图片搜索的原理(一)

    转自:http://www.ruanyifeng.com/blog/2011/07/principle_of_similar_image_search.html 上个月,Google把"相似 ...

  8. 相似图片搜索的原理(一)

    之前毕业论文做的是图片检索相关研究,当时看到了阮哥的博文,对入门很有指导意义,现在把他的文收藏到自己博客,呵呵..... 上个月,Google把"相似图片搜索"正式放上了首页. 你 ...

  9. [图像识别]相似图片搜索的原理

    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Aly ...

  10. 以图找图:相似图片搜索的原理

    来源: 阮一峰 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 ...

最新文章

  1. rsync备份之windows+linux
  2. 傻瓜教程:asp.net(c#) 如何配置authentication,完成基于表单的身份验证
  3. 【Google给毕业生的忠告】
  4. TFS 解除独占锁定
  5. RabbitMQ服务客户端的的业务逻辑
  6. unicode 与 utf-8
  7. opencv获取图片像素坐标_利用OpenCV从图片中提取矩形并标注坐标(室内平面地图)(一)
  8. 网上支付心案例payment
  9. Linux驱动(1)--关于驱动的概述
  10. web Api 返回json 的两种方式
  11. vc建立一个窗口的流程
  12. 《TensorFlow 2.0深度学习算法实战教材》学习笔记(三、TensorFlow 基础)
  13. javascript数据结构与算法--二叉树遍历(中序)
  14. mysql replace 只替换第一个_MySQL:replace函数的几种实用场景
  15. Web前端:一些用于Web开发的最佳精选IDE和代码编辑器
  16. 计算机毕业设计工作周记,电子及计算机毕业设计周记-20210628114255.docx-原创力文档...
  17. html登陆没反应,ipad屏幕输入密码没反应
  18. C盘清理--模拟器(夜神为例)占用空间越来越大问题解决方案(本方法适用于安装过多个APK,虽然卸载了但是占用仍然很严重的情况)
  19. python京东图书信息抓取
  20. 借助gdb调试glibc代码学习House of Orange

热门文章

  1. popen 如何获取指令执行情况_php通过popen获取的一个命令的返回值如何分析出来...
  2. 【算法】经典的ML算法(后续结合工作实践完善心得)
  3. 拦截导弹 (最长上升子序列LIS)
  4. Python入门学习-DAY35-线程
  5. BIM平台 http://gzcd.bim001.cn
  6. Vivado 2017封装自定义IP Core
  7. dedecms 中变量函数
  8. 来聊聊WWDC 苹果大会上的那些黑科技
  9. the basic concepts of c#
  10. Python的Django框架中的URL配置与松耦合