Google 以图搜图 - 相似图片搜索原理 - Java实现 （转）
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
- File inputFile = newFile(filename);
- BufferedImage sourceImage = ImageIO.read(inputFile);//读取图片文件
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。
- int width= 8;
- intheight = 8;
- // targetW，targetH分别表示目标长和宽
- int type= sourceImage.getType();// 图片类型
- BufferedImagethumbImage = null;
- double sx= (double) width / sourceImage.getWidth();
- double sy= (double) height / sourceImage.getHeight();
- // 将图片宽度和高度都设置成一样，以长度短的为准
- if (b) {
- if(sx > sy) {
- sx= sy;
- width= (int) (sx * sourceImage.getWidth());
- }else {
- sy= sx;
- height= (int) (sy * sourceImage.getHeight());
- }
- }
- // 自定义图片
- if (type== BufferedImage.TYPE_CUSTOM) { // handmade
- ColorModelcm = sourceImage.getColorModel();
- WritableRasterraster = cm.createCompatibleWritableRaster(width,height);
- booleanalphaPremultiplied = cm.isAlphaPremultiplied();
- thumbImage= new BufferedImage(cm, raster, alphaPremultiplied, null);
- } else {
- // 已知图片，如jpg，png，gif
- thumbImage= new BufferedImage(width, height, type);
- }
- // 调用画图类画缩小尺寸后的图
- Graphics2Dg = target.createGraphics();
- //smoother than exlax:
- 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 = new int[width * height];
- for (inti = 0; i < width; i++) {
- for(int j = 0; j < height; j++) {
- pixels[i* height + j] = rgbToGray(thumbImage.getRGB(i, j));
- }
- }
- /**
- * 灰度值计算
- * @param pixels 彩色RGB值(Red-Green-Blue 红绿蓝)
- * @return int 灰度值
- */
- public static int rgbToGray(int pixels) {
- // 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。
- int avgPixel= 0;
- int m = 0;
- for (int i =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= new int[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 = new StringBuffer();
- 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。
- int difference = 0;
- int len =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
