您可以使用图片搜索Internet上所有与之相似的图片. 单击搜索框中的相机图标. 百度提供了两种读取图片的方式: 1.粘贴图片地址; 2.在本地上传图片(支持拖动图片).
百度读图片
您输入网络的URL,或直接上传图片,百度会找到与之相似的图片.
百度读图片
上传漂亮女人的照片后,百度图片搜索返回以下结果:
百度读图片
使用此工具,我们可以找到没有水印的高分辨率原始图像,并查看引用图片的文章的内容;
有许多类似的“相似图像搜索引擎”,TinEye甚至可以找出照片的背景.
百度在搜索框中添加了“百度图像识别”,搜索范围超出了文本,期待视频识别的到来.
================================================ ==== ==========
此图像识别的技术原理是什么?计算机如何知道这两张图片相似?
根据Neal Krawetz博士的解释,该原理非常简单且易于理解. 我们可以使用快速算法来获得基本结果.
此处的关键技术称为“感知哈希算法”. 它的功能是为每张图片生成一个“指纹”字符串,然后比较不同图片的指纹. 结果越接近,图片越相似.
以下是最简单的实现:
将图片缩小为8×8大小,总共64个像素. 此步骤的作用是删除图片的细节百度的图片搜索,仅保留结构,明暗等基本信息,并丢弃由于大小和比例不同而导致的图片差异.
将缩小的图像转换为64级灰度. 换句话说,所有像素总共只有64种颜色.
计算所有64个像素的灰度平均值.
将每个像素的灰度与平均值进行比较. 大于或等于平均值,记录为1;小于平均值,记录为0.
合并上一步的比较结果以形成64位整数. 这是这张照片的指纹. 组合的顺序并不重要百度的图片搜索,只要所有图片的顺序相同即可.
=
= 8f373714acfcf4d0
获取指纹后,您可以比较不同的图片以查看64位中有多少位不同. 从理论上讲,这等效于计算“汉明距离”. 如果不同的数据位不超过5,则表示两个图片非常相似;如果大于10,则表示这些是两张不同的图片.
有关特定的代码实现,请参阅Wote用python语言编写的imgHash.py. 该代码很短,只有53行. 使用时,第一个参数是参考图片,第二个参数是比较其他图片的目录. 返回的结果是两张图片之间不同数据位数(汉明距离).
此算法的优点是它简单,快速,并且不受图像大小的影响. 缺点是图像的内容无法更改. 如果您在图片中添加了一些单词,将不会被识别. 因此,它的最佳用途是根据缩略图查找原始图像.
在实际应用中,经常使用功能更强大的pHash算法和SIFT算法,它们可以识别图片的变形. 只要变形不超过25%,它们就可以匹配原始图像. 尽管这些算法较为复杂,但其原理与上述简单算法相同,后者是在比较之前将图像转换为哈希字符串.
本文来自电脑杂谈,转载请注明本文网址:
http://www.pc-fly.com/a/ruanjian/article-218355-1.html
没事多看看军情之类的节目