atitit.图片相似度与图片查找的设计.
1. 两张图片相似算法 1
2. DCT（离散余弦变换(DiscreteCosineTransform)）编辑
2
3. 编辑距离编辑 3
4. Java数字图像处理基础知识 - 必读 3
5. 汉明距离 4
5.1. 目录 4
5.2. 1介绍 5
6. Attilax框架实现 5
6.1. 获取图片指纹 5
6.2. 获取图像不相似度 6
7. 参考 6
1. 两张图片相似算法
，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：
作者:: 老哇的爪子 Attilax 艾龙， EMAIL:[email protected]
转载请注明来源： http://blog.csdn.net/attilax
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。
= = 8f373714acfcf4d0
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。
下面我们来看下上述理论用java来做一个DEMO版的具体实现：
2. DCT（离散余弦变换(DiscreteCosineTransform)）编辑
离散余弦变换（Discrete Cosine Transform，简称DCT变换）是一种与傅立叶变换紧密相关的数学运算。在傅立叶级数展开式中，如果被展开的函数是实偶函数，那么其傅立叶级数中只包含余弦项，再将其离散化可导出余弦变换，因此称之为离散余弦变换
离散余弦变换(Discrete Cosine Transform)
离散余弦变换（DCT）是N.Ahmed等人在1974年提出的正交变换方法。它常被认为是对语音和图像信号进行变
iDCT
换的最佳方法。为了工程上实现的需要，国内外许多学者花费了很大精力去寻找或改进离散余弦变换的快速算法。由于近年来数字信号处理芯片（DSP）的发展，加上专用集成电路设计上的优势，这就牢固地确立离散余弦变换（DCT）在目前图像编码中的重要地位，成为H.261、JPEG、MPEG, H.264 等国际上公用的编码标准的重要环节。在视频压缩中，最常用的变换方法就是DCT。它被认为是性能接近K-L变换的准最佳变换，其变换编码的
3. 编辑距离编辑
本词条缺少名片图，补充相关内容使词条更完整，还能快速升级，赶紧来编辑吧！
编辑距离（Edit Distance），又称Levenshtein距离，是指两个字串之间，由一个转成另一个所需的最少编辑操作次数。许可的编辑操作包括将一个字符替换成另一个字符，插入一个字符，删除一个字符。
例如将kitten一字转成sitting：
sitten （k→s）
sittin （e→i）
sitting （→g）
俄罗斯科学家Vladimir Levenshtein在1965年提出这个概念。
4. Java数字图像处理基础知识 - 必读
分类： 图像处理2012-02-21 15:11 19916人阅读 评论(4) 收藏 举报
图像处理javaimagefilejcomponentapi
写了很多篇关于图像处理的文章，没有一篇介绍Java 2D的图像处理API，文章讨论和提及的
API都是基于JDK6的，首先来看Java中如何组织一个图像对象BufferedImage的，如图：
一个BufferedImage的像素数据储存在Raster中，ColorModel里面储存颜色空间，类型等
信息，当前Java只支持一下三种图像格式- JPG,PNG,GIF,如何向让Java支持其它格式，首
先要 完成Java中的图像读写接口，然后打成jar，加上启动参数- Xbootclasspath/p
newimageformatIO.jar即可。
5. 汉明距离
锁定
本词条由“科普中国”百科科学词条编写与应用工作项目审核。
汉明距离是使用在数据传输差错控制编码里面的，汉明距离是一个概念，它表示两个（相同长度）字对应位不同的数量，我们以d（x,y）表示两个字x,y之间的汉明距离。对两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离。
5.1. 目录
1介绍
2汉明重量
3特性
4最小汉明距离
5历史及应用
5.2. 1介绍
汉明距离是以理查德·卫斯里·汉明的名字命名的。在信息论中，两个等长字符串之间的汉明距离是两个字符串对应位置的不同字符的个数。换句话说，它就是将一个字符串变换成另外一个字符串所需要替换的字符个数。例如：
1011101 与 1001001 之间的汉明距离是 2。
2143896 与 2233796 之间的汉明距离是 3。
"toned" 与 "roses" 之间的汉明距离是 3。
汉明距离更多的用于信号处理，表明一个信号变成另一个信号需要的最小操作（替换位），实际中就是比较两个比特串有多少个位不一样，简洁的操作时就是两个比特串进行异或之后包含1的个数。汉明距在图像处理领域也有这广泛的应用，是比较二进制图像非常有效的手段。计算一个数字的比特位包含1的个数有个小技巧：value &= value - 1这个运算的结果就是把value最后一个1去掉，循环进行运算直到value等于0（所有的1都被去掉）就可以知道vaule拥有多少个1了。其在包括信息论、编码理论、密码学等领域都有应用。但是，如果要比较两个不同长度的字符串，不仅要进行替换，而且要进行插入与删除的运算，在这种场合下，通常使用更加复杂的编辑距离等算法。
6. Attilax框架实现
Atibrow prj ImagePHash.java
6.1. 获取图片指纹
final ImagePHash p = new ImagePHash();
final String image1 = p.getHash(new FileInputStream(new File("d:/img/a2.jpg")));
6.2. 获取图像不相似度
final String image1 = p.getHash(new FileInputStream(new File("d:/img/a2.jpg")));
dirx.trave("D:\\gialenimg", new Closure () {
@Override
public Object execute(Object arg0) throws Exception {
String f=(String) arg0;
image2 = p.getHash(new FileInputStream(new File(f)));
int dis=p.distance(image1, image2);
if(dis<474)
7. 参考
Java实现图片对比功能_java_脚本之家.html
Java数字图像处理基础知识 - 必读 - 流浪的鱼 - 博客频道 - CSDN.NET.html
Java图片上查找图片算法 - qileilove - BlogJava.html
（with code）用汉明距离进行图片相似度检测的Java实现 - OPEN 开发经验库.html
相似图片搜索的原理 - OPEN资讯.html