Google图片搜索的原理

谷歌的搜索引擎算法很强大。为了解决这个问题，有人咨询了算法组的朋友，他们分享了基本思路。在这里，谢谢你：

对于这种图像搜索算法，通常有三个步骤：

1.提取目标图像特征的算法有很多，如SIFT描述子、指纹算法函数、捆绑特征算法、哈希函数等。根据不同的图像，可以设计不同的算法，比如利用图像的局部n阶矩来提取图像特征。

2.对图像特征信息进行编码，将大量图像编码为查找表。对于目标图像，可以对分辨率较高的图像进行降采样，降低计算量后再进行图像特征提取和编码处理。

3.相似性匹配操作：在图像搜索引擎中，利用目标图像的编码值计算图像数据库中的全局或局部相似性；根据要求的鲁棒性设定阈值，然后预先保留相似度高的图片；最后，应该还有一步，筛选最匹配的图片。这应该还是用特征检测算法。

每一步都有很多算法，侧重于数学、统计学、图像编码、信号处理等理论。

下面是阮一峰最简单的实现：

输入谷歌图片的网址，或者直接上传图片，谷歌就会找到类似的图片。下图是美国女演员艾丽森汉妮根。

上传后，Google返回以下结果：

这项技术的原理是什么？电脑怎么知道两张图相似？

根据尼尔克拉维兹博士的解释，这个原理非常简单易懂。我们可以用一个快速算法来达到基本的效果。

这里的关键技术叫做‘感知哈希算法’，它的作用是为每张图像生成一个‘指纹’字符串，然后比较不同图像的指纹。结果越接近，图片越相似。

下面是最简单的实现：

第一步是缩小尺寸。

将图片缩小到8x8大小，总共64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，丢弃大小比例不同造成的图片差异。

第二步，简化颜色。

将缩小的图片转换为64灰度级。也就是说，所有像素总共只有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。

第四步是比较像素的灰度。

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，记录为0。

第五步，计算哈希值。

结合上一步的比较结果，形成一个64位的整数，就是这张图的指纹。组合的顺序并不重要，只要所有图片的顺序都一样。

拿到指纹后，可以对比不同的图片，看看64位中有多少是不一样的。理论上，这相当于计算‘汉明距离’。如果不同的数据位不超过5，则表示两幅图片非常相似；如果大于10，说明这是两张不同的图片。

具体代码实现见Wote用python语言写的imgHash.py。代码很短，只有53行。使用时，第一个参数是参考图片，第二个参数是其他图片用于比较的目录，返回的结果是两个图片之间不同的数据位数(汉明距离)。

该算法的优点是简单快速，不受图像大小缩放的影响。缺点是图像的内容不能改变。如果你在图片上加几个字，它就不会被认出来。所以它最好的用途就是根据缩略图找出原图。

实际中经常使用比较强大的pHash算法和SIFT算法，可以识别图像的畸变。只要变形程度不超过25%，它们就能匹配原图。虽然这些算法比较复杂，但是原理和上面的简单算法是一样的，就是先把图像转换成哈希串，然后再进行比较。