您所在的位置： &
如何利用百度识图用图片搜索信息 百度识图怎么用
编辑：xwgod
来源：下载吧
　　随着搜索技术的发展，以前是只能通过输入文字或者描述来查找相关信息，有一定的局限性，现在已经可以用图片来搜索查找了，有了百度搜图，一切都有可能。　　首先打开百度，进入到百度识图里面　　点选右边的相机图标，上传你需要识别的图片　　信息出来了　　也可以直接用粘贴图片的方式　　拖图片进去也可以
如何利用百度识图用图片搜索信息相关教程
如何利用百度识图用图片搜索信息相关新闻
下载352184次
下载110231次
下载11718次
下载4036次
下载3064次
下载2926次
下载2992次
下载12770次
下载13583次
下载2935次
热门关键字
微信扫一扫关注下载吧公共帐号1097人阅读
上个月，Google把正式放上了首页。
你可以用一张图片，搜索互联网上所有与它相似的图片。点击中照相机的图标。
一个对话框会出现。
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：
类似的&相似图片搜索引擎&还有不少，甚至可以找出照片的拍摄背景。
==========================================================
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。
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（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，可以参见用python语言写的。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，往往采用更强大的算法和算法，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。
UPDATE（）
这篇文章还有续集，请看。
相似图片搜索的原理（二）
二年前，我写了，介绍了一种最简单的实现方法。
昨天，我在的网站看到，还有其他两种方法也很简单，这里做一些笔记。
一、颜色分布法
每张图片都可以生成（color
histogram）。如果两张图片的直方图很接近，就可以认为它们很相似。
任何一种颜色都是由红绿蓝三原色（RGB）构成的，所以上图共有4张直方图（三原色直方图 + 最后合成的直方图）。
如果每种原色都可以取256个值，那么整个颜色空间共有1600万种颜色（256的三次方）。针对这1600万种颜色比较直方图，计算量实在太大了，因此需要采用简化方法。可以将0～255分成四个区：0～63为第0区，64～127为第1区，128～191为第2区，192～255为第3区。这意味着红绿蓝分别有4个区，总共可以构成64种组合（4的3次方）。
任何一种颜色必然属于这64种组合中的一种，这样就可以统计每一种组合包含的像素数量。
上图是某张图片的颜色分布表，将表中最后一栏提取出来，组成一个64维向量(, 0, 0, 8, ..., 109, 0, 0, )。这个向量就是这张图片的特征值或者叫&指纹&。
于是，寻找相似图片就变成了找出与其最相似的向量。这可以用或者算出。
二、内容特征法
除了颜色构成，还可以从比较图片内容的相似性入手。
首先，将原图转成一张较小的灰度图片，假定为50x50像素。然后，确定一个阈值，将灰度图片转成黑白图片。
如果两张图片很相似，它们的黑白轮廓应该是相近的。于是，问题就变成了，第一步如何确定一个合理的阈值，正确呈现照片中的轮廓？
显然，前景色与背景色反差越大，轮廓就越明显。这意味着，如果我们找到一个值，可以使得前景色和背景色各自的&类内差异最小&（minimizing the intra-class variance），或者&类间差异最大&（maximizing the inter-class variance），那么这个值就是理想的阈值。
1979年，日本学者大津展之证明了，&类内差异最小&与&类间差异最大&是同一件事，即对应同一个阈值。他提出一种简单的算法，可以求出这个阈值，这被称为（Otsu's
method）。下面就是他的计算方法。
假定一张图片共有n个像素，其中灰度值小于阈值的像素为 n1 个，大于等于阈值的像素为 n2 个（ n1 + n2 = n ）。w1 和 w2 表示这两种像素各自的比重。
　　w1 = n1 / n
　　w2 = n2 / n
再假定，所有灰度值小于阈值的像素的平均值和方差分别为 μ1 和 σ1，所有灰度值大于等于阈值的像素的平均值和方差分别为 μ2 和 σ2。于是，可以得到
　　类内差异 = w1(σ1的平方) + w2(σ2的平方)
　　类间差异 = w1w2(μ1-μ2)^2
可以证明，这两个式子是等价的：得到&类内差异&的最小值，等同于得到&类间差异&的最大值。不过，从计算难度看，后者的计算要容易一些。
下一步用&穷举法&，将阈值从灰度的最低值到最高值，依次取一遍，分别代入上面的算式。使得&类内差异最小&或&类间差异最大&的那个值，就是最终的阈值。具体的实例和Java算法，请看。
有了50x50像素的黑白缩略图，就等于有了一个50x50的0-1矩阵。矩阵的每个值对应原图的一个像素，0表示黑色，1表示白色。这个矩阵就是一张图片的特征矩阵。
两个特征矩阵的不同之处越少，就代表两张图片越相似。这可以用&异或运算&实现（即两个值之中只有一个为1，则运算结果为1，否则运算结果为0）。对不同图片的特征矩阵进行&异或运算&，结果中的1越少，就是越相似的图片。
分类：&&559人阅读&&&
这是我第一次翻译外文文章，如果翻译的不好，还望大家多包含！以下黑色部分是作者原文的翻译，红色部分是我本人自己的理解和对其的补充。
在里对的搜索结果是
下面是我用算法(java)实现的结果
source:&f0a0
1-5 & &2-5&& &3-0&& &4-5&& &5-5&& &6-5&&
&7-5&& &8-7&& &9-6&& &10-3&& &11-5
f0a0是原图片的指纹数
下面的一行“”型的数据，表示序号，表示汉明距离，越小就越相似；汉明距离&=5表示很相似。
实现源码下载：
----------------------------------------------------译文
在过去的几个月，我不停地寻求“&如何工作”的答案，或者说它是如何搜索图片的。
结果是我仍没法知道图片搜索引擎是如何工作的，他们并没有公开他们所用使用的算法细节。然而，根据它返回的结果，呈现给我的是感知哈希算法的一个变种。
这是有感知的
感知哈希算法描述了一个有可比较的哈希函数的类。图像特征被用于生成独特的（但不是唯一的）指纹，而这些指纹是可比较的。
感知哈希与像和这样的加密哈希（散列）函数是不同的概念。加密哈希的值是随机的，数据用于生成像随机数种子的散列行为，所以相同的数据会产生相同的结果，不同的数据会产生不同的结果。比较两个的值，实际上只告诉我们两个东西，如果值是不同的，则数据也是不同的；如果值是相同的，则数据是相似的。因为可能存在冲突，相同的值会产生不同的数据。相比之下，感知哈希是可比较的——给你一种两个数据集之间相似的感觉。
我遇到的每一个感知哈希算法都有一个共同的特征：图片可以被放大或缩小，有不同的纵横比，甚至轻微的着色差异(对比度、亮度等，它们依然能够匹配相似的图片，TinEye也有同样的性能。(但TinEye似乎做了更多，我稍后会去了解)
如何创建感知哈希呢？有一些常见的算法，但没有一个是很复杂的。我总是很惊讶，为什么如此间单却几乎所有的常见算法都能工作。最间单的算法之一应该是基于低频的均值哈希。
一张高频率的图片可以提供详细的信息，而低频率的图片只显示一个框架；一张大的，详细的图片有很高的频率，而小图片缺乏图像细节，所以都是低频的。为了演示均值哈希算法如何工作，我将使用我妻子——&Alyson&Hannigan的图片。
1.缩小尺寸
去除高频和细节的最快方法是缩小图片，将图片缩小到的尺寸，总共个像素。不要保持纵横比，只需将其变成的正方形。这样就可以比较任意大小的图片，摒弃不同尺寸、比例带来的图片差异。
2.简化色彩
将的小图片转换成灰度图像，将个像素的颜色转换成一种颜色（黑白灰度）。
3.计算平均值
计算所有个像素的灰度平均值。
4.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；小于平均值，记为。
5.计算hash值
将上一步的比较结果，组合在一起，就构成了一个位的整数，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。(我设置的是从左到右，从上到下用二进制保存。
如果图片放大或缩小，或改变纵横比，结果值也不会改变。增加或减少亮度或对比度，或改变颜色，对值都不会太大的影响。最大的优点：计算速度快！
如果你想比较两张图片，为每张图片构造值并且计算不同位的个数。汉明距离)如果这个值为，则表示这两张图片非常相似，如果汉明距离小于，则表示有些不同，但比较相近，如果汉明距离大于则表明完全不同的图片。
效果更佳的pHash
虽然均值哈希更简单且更快速，但是在比较上更死板、僵硬。它可能产生错误的漏洞，如果有一个伽马校正或颜色直方图被用于到图像。这是因为颜色沿着一个非线性标尺&改变其中“平均值”的位置，并因此改变哪些高于低于平均值的比特数。
一个更健壮的算法叫pHash，我使用的是自己改进后的算法，但概念是一样的的做法是将均值的方法发挥到极致。使用离散余弦变换降低频率。
1.缩小尺寸
pHash以小图片开始，但图片大于，是最好的。这样做的目的是简化了的计算，而不是减小频率。
2.简化色彩
将图片转化成灰度图像，进一步简化计算量。
DCT是把图片分解频率聚集和梯状形，虽然JPEG使用的变换，在这里使用的变换。
虽然的结果是大小的矩阵，但我们只要保留左上角的的矩阵，这部分呈现了图片中的最低频率。
5.计算平均值
如同均值哈希一样，计算的均值，
6.进一步减小DCT
这是最主要的一步，根据的矩阵，设置或的位的值，大于等于均值的设为”1”，小于均值的设为“0”。结果并不能告诉我们真实性的低频率，只能粗略地告诉我们相对于平均值频率的相对比例。只要图片的整体结构保持不变，结果值就不变。能够避免伽马校正或颜色直方图被调整带来的影响。
7.构造hashf值
将设置成位的长整型，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。将的转换成的图像。
与均值哈希一样，同样可以用汉明距离来进行比较。只需要比较每一位对应的位置并算计不同的位的个数
同类中的最佳算法？
自从我做了大量关于数码照片取证和巨幅图片的收集工作之后，我需要一种方法来搜索图片，所以，我用了一些不同的感知哈希算法做一个图片搜索工具，根据我并不很科学但长期使用的经验来看，我发现均值哈希比显著地要快。如果你找一些明确的东西，均值是一个极好的算法，例如我有一张图片的小缩略图，并且我知道它的大图存在于一个容器的某个地方，均值哈希能算法快速地找到它。然而，如果图片有些修改，如过都添加了一些内容或头部叠加在一起，均值哈希就无法处理，虽然比较慢，但它能很好地容忍一些小的变型(变型度小于的图片。
其次，如果，你运行的服务器像这样，你就可以不用每次都计算值，我确信它们肯定之前就把值保存在数据库中，核心的比较系统非常快，所以只需花费一次计算的时间，并且几秒之内能进行成千上百次的比较，非常有实用价值。
有许多感知哈希算法的变形能改进它的识别率，例如，在减小尺寸之前可以被剪裁，通过这种方法，主体部分周围额外的空白区域不会产生不同。也可以对图片进行分割，例如，你有一个人脸识别算法，然后你需要计算每张脸的值，
可以跟踪一般性的着色例如，她的头发比蓝色或绿色更红，而背景比黑色更接近白色或线的相对位置。
如果你能比较图片，那么你就可以做一些很酷的事情。例如，&你可以在GazoPa搜索引擎拖动图片，和一样，我并不知道GazoPa工作的细节，然而它似乎用的是感知哈希算法的变形，由于哈希把所有东西降低到最低频率，我三个人物线条画的素描可以和其它的图片进行比较——如匹配含有三个人的照片。
关于均值哈希算法的实现，请参考：http://blog.csdn.net/luoweifu/article/details/7733030
下面详细讲一下pHash算法的实现
基体的步骤已经在“效果更佳的”中讲了，下面对应地给出代码的实现：
1.缩小尺寸
2.简化色彩
这一部分请参考我的上一篇博客：
DCT的结果是大小的矩阵，但我们只要保留左上角的的矩阵，所以只需要设置两层的for循环是从0到7就可以了。
5.计算平均值
6.构造hashf值
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：1393931次
积分：17099
积分：17099
排名：第230名
原创：23篇
转载：1942篇
评论：198条
(41)(2)(17)(28)(148)(78)(74)(36)(80)(90)(42)(141)(242)(118)(358)(182)(64)(63)(57)(5)(47)(1)(30)(23)我有好多照片，但是我想做成视频？该用什么软件呢？_百度知道
我有好多照片，但是我想做成视频？该用什么软件呢？
我有好多照片，但是我想做成视频？该用什么软件呢？而且还能添加音乐的那一种
支持相框和图片的移动缩放、内置iSee看图精灵 - 国内最快；　 【网页模板】合成分享到博客论坛的网页代码;ico&#47；　 【创建PDF】可把图片输出为PDF文件格式、抓图，可录制视频或动画GIF；　 【导入图像】从移动硬盘中自动寻找图片、换背景】魔术棒，更加个性化的屏保体验，不用拘泥于固定的居中&#47、保存质量　 【格式转换】把所有能查看的图片格式转化为13种常用格式、去雾镜、在线编辑，轻松设置单张打印或多张打印。支持合成论坛的动效头像和签名.com/isee/products/XP&#47、卡片。4， 免费使用，实现高质量的图片输出，加入到选择图片及文件夹下所有图片的指定位置;bmp&#47、白平衡点点通、旋转； 　【批量压缩】海量图片一次性压缩;pgm&#47，可输出为水印或者涂鸦插件，还能进行自由组合处理　【批量转换】方便转换大批量图片（支持子文件夹下所有图片）的格式!
软件版本，甚至QQ&#47、磨砂玻璃、外引发布，支持任意角度旋转；　 【网络搜图】缩略图搜索模式，享受不一样的涂鸦乐趣，自由分享;tif&#47。支持各数码相机厂家的raw格式原始图片，大量模版、大小；　 【抠图、动画涂鸦、身份证，支持合成论坛的动效头像和签名、印章、缩放、幻灯动画、素描；　 【进阶色彩调整】色调&#47、Gamma修正、背景填充：简体中文软件类别； 　【批量文字】由用户自定义格式化文字：3、闪亮星星各种效果，轻松完成照片扫描，支持双网;gif&#47；　 【好玩特效】IE黑白魔图;大头贴&#47.5;png&#47；　 【在线图像合成】众多的在线工具让你轻松DIY个性图片;wmf&#47：jpg&#47，幻灯、字符素描等、驾照、日历（支持万年历）、稳定； 　【批量更名】由用户自定义更名规则;2003&#47；【PS滤镜】支持PS滤镜的导入和调用、阴影字、均衡化.htm 1；　 【动画】非主流闪图；6.2;饱和度;指定对象，更易于邮件的发送和接收；　 【其他特效】模糊&#47；　 【画笔涂鸦】功能强大的画笔功能、批量备份，寓学习.iseeclan，无需另行下载.5 软件大小、管理；　 【内建屏保】强大的特效幻灯片播放屏保，甚至是任意区域;tga&#47，省却用户手动调节之繁琐、百度空间及iSee相册、暗色调等。优秀高效的图像算法、经典怀旧;MSN头像）； 9，更加人性化的断点续播特性;emf3、阙值调节；　 【冲晒导出】任意剪裁或留白，支持批量备份。5;录像】摄像头自拍及录像，支持相框.1 MB软件语言;偏左&#47.iseeclan、曝光修复；　 【炫彩网图】针对流行的网络图像应用而设计的动效娱乐功能://www、浮雕;活动窗口&#47：图像类运行环境；可使用正片叠底等24种混合方式、简单方便的换肤功能、在线图像应用　 【个人网上相册；　 【图标提取】让别人的程序成为您自己的图标资源库、空心字等效果;Vista下载地址：WinNT&#47；可在线编辑、替换而无需改变图片链接、个性标语、旋转和透明度　 【图像压缩】支持指定图片尺寸;2000/毛边、曲线调节、黑白效果、非主流动效，配合自动水平定位的旋转操作，以及自定义尺寸和比例　 【添加文字】支持透明、非主流特效、直方图。2、上传发布，可生成EXIF信息　 【添加水印】支持PNG半透明图片以及jpg，精彩分享】批量上传、抽丝效果、强大的图像娱乐应用　 【拍照&#47、文件大小：
31人觉得有用
为您推荐：
您可能关注的推广
照片的相关知识
其他3条回答
快捷，简单，把你精选的图片制作成一段完整的视频微软自带的 Windows Movie Maker
QQ空间里有个动感影集，可以做的，51里也可以做，还有56视频网里都是可以免费做的...
Adobe Premiere Pro CS3
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁