如何计算图像相似度? 答:计算图像的“指纹信息” 将图像归一化成一定大小,计算 一个序列作为他的指纹信息,然后比较两张图片指纹信息序列相同的位数。 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。 使用matlab, 计算 目标图片与图片的 相似 性 度 量,包括:PSNR和SSIM值,简单好用。 简述前段时间写了篇博文 哈希算法实现 图像相似度 比较 (Python&OpenCV) ,使用简单的哈希算法进行 图像相似度 判断。 但是在实践中该算法达不到预期的效果: 图像 缩放8*8大小,图片信息内容严重丢失 64位Hash值对比, 计算 出结果在 [0,64]之内,很难大程 度 区分 图像 特征 因为存在以上问题,所以想自己尝试改进一下算法,尽可能提高算法的准确性。 如何找到图像相似性的手段?答:建议几十年前作为寻找图像相似性的手段。 这个想法是,森林将拥有大量的绿色,人脸会有很多粉红色,或者其他什么。 因此,如果你将两张图片与森林进行比较,你会在直方图之间得到一些相似之处,因为两者都有很多绿色。 如何实现相似图片?答:简单的搜索学习得知,实现 相似 图片搜索的关键技术是“感知哈希算法”,作用是对每一张图片按照某种规律生成一个对应的指纹字符串。 比较不同图片之间的指纹字符串,结果越接近,图片越 相似 。
|