算法-请教如何比较两张图片是否相似？

Question

现在有很多应用都能提供图片自动识别是否相似，准确率貌似还挺高，不知道其中的原理和算法是什么？

Answer 1

关于图片相似性比较最基本是基于特征的的，后来比较高级的有基于内容的，这个就涉及到模式识别方面的内容；
基于图像本身的特征一般是就图像的像素点信息进行统计，如颜色直方图和灰度图去基于统计信息进行比较；但是这种比较方法并不准确，于是产生基于内容的图像匹配方法，先对图像进行预处理，进行去噪，滤波，灰度化等方式；然后提取图像的结构信息和特征信息；基于这些信息去构造图像的指纹，然后基于此进行图像特征的标的的相似性的判断

Answer 2

其实吧，Google那个Similar Images的功能，大约是直方图匹配……所以一般只是匹配到颜色差不多的图片而已

Answer 3

用"感知哈希算法"（Perceptual hash algorithm）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。

参考Neal Krawetz的原文：Looks Like It
中文翻译参考:点击查看原文

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。

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。

Answer 4

使用模式识别的方法。先对两张图片去噪，再提取特征，最后使用分类器得出结论。分类器算法可以选用贝叶斯决策论。
模式识别现在还是一个很年轻的理论，需要逐步地完善。在网上找成熟的算法库吧，自己实现的话，需要花很大的气力。