Google 按图搜索的原理
针对这个问题,请教了算法组的同事,他分享了基本的思路:
对于这种图像搜索的算法,一般是三个步骤:
1. 将目标图片进行特征提取,描述图像的算法很多,用的比较多的是:SIFT描述子,指纹算法函数,bundling features算法,hash function(散列函数)等。也可以根据不同的图像,设计不同的算法,比如图像局部N阶矩的方法提取图像特征。
2. 将图像特征信息进行编码,并将海量图像编码做查找表。对于目标图像,可以对分辨率较大的图像进行降采样,减少运算量后在进行图像特征提取和编码处理。
3. 相似度匹配运算:利用目标图像的编码值,在图像搜索引擎中的图像数据库进行全局或是局部的相似度计算;根据所需要的鲁棒性,设定阈值,然后将相似度高的图片预保留下来;最后应该还有一步筛选最佳匹配图片,这个应该还是用到特征检测算法。
其中每个步骤都有很多算法研究,围绕数学、统计学、图像编码、信号处理等理论进行研究。
下面是阮一峰的一个最简单的实现:
你输入Google图片的网址,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Alyson Hannigan。
上传后,Google返回如下结果:
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Neal Krawetz博士的解释,原理非常简单易懂。我们可以用一个快速算法,就达到基本的效果。
这里的关键技术叫做”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。
下面是一个最简单的实现:
第一步,缩小尺寸。
将图片缩小到8×8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,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。
第三步,计算平均值。
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,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。
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”(Hamming distance)。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。
具体的代码实现,可以参见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他图片所在的目录,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。
转自伯乐:http://blog.jobbole.com/20536/
Google 按图搜索的原理相关推荐
- 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 ...
- Google图片搜索的原理
针对这个问题,请教了算法组的同事,他分享了基本的思路: 对于这种图像搜索的算法,一般是三个步骤: 1. 将目标图片进行特征提取,描述图像的算法很多,用的比较多的是:SIFT描述子,指纹算法函数,bun ...
- 谷歌验证 (Google Authenticator) 的实现原理是什么?
著作权归作者所有. 商业转载请联系作者获得授权,非商业转载请注明出处. 作者:徐小花 链接:http://www.zhihu.com/question/20462696/answer/18731073 ...
- 以图搜图 - Google 相似图片搜索原理 - Java实现
转自: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 ...
- Google的S2算法原理以及使用Java版本--部分参考自《高效的多维空间点索引算法》
文章目录 相关资料 1.S2算法是什么? 2.为什么要使用S2算法? 3.S2的原理是什么? 1)球面坐标变换 2)球面坐标转平面坐标(降维) remark: 3)球面矩形投影修正 4)点与坐标轴点相 ...
- 云计算学习笔记002---云计算的理解及介绍,google云计算平台实现原理
什么是云计算: l 说的明白一点: • 云计算其实就更大限度的发挥网络的资源. • 那为什么叫云,为什么不到互联网计算?Cloud l 大多数计算的网络拓扑图都用一块"云&qu ...
- 彻底搞清楚 Google BBR 拥塞控制算法原理
译者序 本文翻译自 Google 2017 的论文: Cardwell N, Cheng Y, Gunn CS, Yeganeh SH, Jacobson V.BBR: congestion-base ...
- 全能google地图下载器—原理
卫星地图底图地址:http://khm1.googleapis.com/kh?v=108&hl=zh-CN&x=13&y=7&z=4&token=127641 ...
- 一文解释清楚Google BBR拥塞控制算法原理
BBR对TCP性能的提升是巨大的,它能更有效的使用当下网络环境,Youtube应用后在吞吐量上有平均4%提升(对于日本这样的网络环境有14%以上的提升): 报文的往返时延RTT降低了33%,这样如视频 ...
- Google 图片搜索算法
Google 按图搜索的原理 来源:maggie@知乎 分类: IT技术 maggie@知乎 : 针对这个问题,请教了算法组的同事,他分享了基本的思路: 对于这种图像搜索的算法,一般是三个步骤 ...
最新文章
- 物联网将推动半导体产业继续增长
- 图像增强算法四种,图示与源码,包括retinex(ssr、msr、msrcr)和一种混合算法
- python挖长尾词 源码,如何用代码挖局长尾关键词
- sae 本地环境 mysql数据库_SAE本地环境与真实环境的差别
- css-三种基本选择器
- IndexError: list index out of range--Python报错原因及解决办法
- 【Java】java Arrays.asList 在idea 下 debug 不同结果的表现 非常诡异 胆小勿入
- CTFHUB技能树-Misc-流量分析-ICMP
- webapi 状态返回 php,让WebAPI 返回JSON格式的数据实例教程
- git学习笔记-(15-远程跟踪分支)
- Spring框架 教程
- unity3d棋牌游戏教程之手机斗地主的发牌功能实现
- 袋鼠云数据中台专栏(五):数栈,企业级一站式数据中台PaaS
- 学会python,妈妈再也不用担心我乱花钱了!
- 一般时序电路设计(次态卡诺图化简法)
- 关于安卓 dp与px的理解
- 鸿蒙系统什么时候投入市场,华为鸿蒙系统市场占有率要达多少才可能存活
- 戏说领域驱动设计(十二)——服务
- 华为面试,HCIE面试难吗? 都考些什么?
- 企业电子招投标采购系统源码——功能模块功能描述+数字化采购管理 采购招投标
热门文章
- 在HBuilder上打开PHP文件
- 姚爱红计算机组成原理知识要点,计算机组成原理课程混合教学模式探究
- Ubuntu 16.04下设置开机时自动开启NumLock
- 全球城市排行榜:香港不再是“最贵”,丹麦首都“最宜居”,伦敦洛杉矶当选“未来城市”...
- 最早的即时通讯软件哪一个,你知道吗?
- 自动控制理论——拉普拉斯变换定义及性质
- 用单片机控制单色显示屏
- UML在软件开发过程中的应用
- 基于Spring Boot的宠物猫店管理系统的设计与实现毕业设计源码140909
- Ubuntu20.04 添加打印机