80博客

      宅男们都喜欢上婚恋网站，希望找到自己梦中的性感女郎，可是现在世风日下，人心不古，一些婚恋网站为了拉人气，竟然把一些爱情动作片女星也拿来当作女嘉宾，如果是久经沙场的老手还好说，一眼都可以识穿骗局。可是苦了一些看片经验不足的宅男，送了N朵鲜花后才发现相亲对象原来是波多野结衣。针对这种恶劣的行为，我向大家推荐宅男相亲必备工作：Google图片搜索

       此工具一出，一些婚恋网站纷纷请求上级屏蔽Google的服务，而Google却要坚持为宅男们服务，于是就发生了Google退出中国的恶性事件。

        宅男们会比较好奇，Google是用什么办法来识别图片呢？

        下面我们来看一下图像搜索的算法，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。

        我们下面由Neal Krawetz博士来给我们讲解一下实现的原理：

        首先我们在Google图片搜索里输入URL链接，或者直接上传图片，以美国明星美国明星Alyson Hannigan为例：

        分别返回了如下图片搜索结果：

      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。

      原来看似很简单的Google图片搜索，原来是经过了大量后台工作后才给了大家搜索结果。宅男们如果在婚恋网上再发现自己心仪的美女，一定要使用一下Google图片搜索来辨别一下，看看到底是白雪公主，还是岛国明星。

       资料来源：Neal Krawetz博士、阮一峰、知乎