上個月，Google把"相似圖片搜索"正式放上了首頁。
你可以用一張圖片，搜索互聯(lián)網(wǎng)上所有與它相似的圖片。點(diǎn)擊搜索框中照相機(jī)的圖標(biāo)。
一個對話框會出現(xiàn)。
你輸入網(wǎng)片的網(wǎng)址，或者直接上傳圖片，Google就會找出與其相似的圖片。下面這張圖片是美國女演員Alyson Hannigan。
上傳后，Google返回如下結(jié)果：
類似的"相似圖片搜索引擎"還有不少，TinEye甚至可以找出照片的拍攝背景。
==========================================================
這種技術(shù)的原理是什么？計算機(jī)怎么知道兩張圖片相似呢？
根據(jù)Neal Krawetz博士的解釋，原理非常簡單易懂。我們可以用一個快速算法，就達(dá)到基本的效果。
這里的關(guān)鍵技術(shù)叫做"感知哈希算法"（Perceptual hash algorithm），它的作用是對每張圖片生成一個"指紋"（fingerprint）字符串，然后比較不同圖片的指紋。結(jié)果越接近，就說明圖片越相似。
下面是一個最簡單的實(shí)現(xiàn)：
第一步，縮小尺寸。
將圖片縮小到8x8的尺寸，總共64個像素。這一步的作用是去除圖片的細(xì)節(jié)，只保留結(jié)構(gòu)、明暗等基本信息，摒棄不同尺寸、比例帶來的圖片差異。
第二步，簡化色彩。
將縮小后的圖片，轉(zhuǎn)為64級灰度。也就是說，所有像素點(diǎn)總共只有64種顏色。
第三步，計算平均值。
計算所有64個像素的灰度平均值。
第四步，比較像素的灰度。
將每個像素的灰度，與平均值進(jìn)行比較。大于或等于平均值，記為1；小于平均值，記為0。
第五步，計算哈希值。
將上一步的比較結(jié)果，組合在一起，就構(gòu)成了一個64位的整數(shù)，這就是這張圖片的指紋。組合的次序并不重要，只要保證所有圖片都采用同樣次序就行了。
= = 8f373714acfcf4d0
得到指紋以后，就可以對比不同的圖片，看看64位中有多少位是不一樣的。在理論上，這等同于計算"漢明距離"（Hamming distance）。如果不相同的數(shù)據(jù)位不超過5，就說明兩張圖片很相似；如果大于10，就說明這是兩張不同的圖片。
具體的代碼實(shí)現(xiàn)，可以參見Wote用python語言寫的imgHash.py。代碼很短，只有53行。使用的時候，第一個參數(shù)是基準(zhǔn)圖片，第二個參數(shù)是用來比較的其他圖片所在的目錄，返回結(jié)果是兩張圖片之間不相同的數(shù)據(jù)位數(shù)量（漢明距離）。
這種算法的優(yōu)點(diǎn)是簡單快速，不受圖片大小縮放的影響，缺點(diǎn)是圖片的內(nèi)容不能變更。如果在圖片上加幾個文字，它就認(rèn)不出來了。所以，它的最佳用途是根據(jù)縮略圖，找出原圖。
實(shí)際應(yīng)用中，往往采用更強(qiáng)大的pHash算法和SIFT算法，它們能夠識別圖片的變形。只要變形程度不超過25%，它們就能匹配原圖。這些算法雖然更復(fù)雜，但是原理與上面的簡便算法是一樣的，就是先將圖片轉(zhuǎn)化成Hash字符串，然后再進(jìn)行比較。