图片识别引擎-识图引擎搜集
识图现在搜索结果还是不够理想，有很大的提升空间，下面介绍几个比较专业的图片搜索引擎。
1: https://images.google.com/ http://www.google.com/imghp (旧版：http://similar-images.googlelabs.com)
暂时的替代品：http://203.208.46.200/imghp
Google实验室类似图片搜索：输入一个关键词后，例如“bird”，返回的页面里面点击某个图片的下面的Similar images，运用Google类似图片搜索功能引擎，即刻为你把类似的图片全部搜索出来，展示给用户以便查看。其准确率、相似率相对比较高。
Google图片相识搜索的原理
很多人都用过Google 图片搜索功能。你可以用一张图片，搜索互联网上所有与它相似的图片。
你输入网片的网址，或者直接上传图片，Google就会找出与其相似的图片。下面这张图片是美国女演员Alyson Hannigan。
上传后，Google返回如下结果：
这种技术的原理是什么？计算机怎么知道两张图片相似呢？
根据Neal
Krawetz博士的解释，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：
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。
2: http://tineye.com/ TinEye找图
TinEye是典型的以图找图搜索引擎，输入本地硬盘上的图片或者输入图片网址，即可自动帮你搜索相似图片，搜索准确度相对来说还比较令人满意。
3: http://cn.bing.com/images 微软bing识图
http://cn.bing.com/images/searchbyimage?FORM=IRSBIQ
cbir=sbi
imgurl=::$URL::
4: http://shitu.baidu.com 百度识图
5: http://image.so.com 360识图
http://st.so.com/stu?a=list&imgkey=t0144cfa2e52a0870a2.jpg&tp=imgurl&src=image
6. http://pic.sogou.com/ris?query=[url]
搜狗识图
图片识别引擎-识图引擎搜集～