Algorithm 视觉相似性搜索算法

我正试图建立一个这样的实用程序，

---

但我不知道他们使用的是哪种算法，有人知道吗？

可能只是创建图像中使用的颜色的直方图，然后对用户选择的颜色进行最佳匹配。

他们所做的只是匹配直方图

因此，为你的图像建立一个直方图。根据图像大小对直方图进行规格化。直方图是包含与颜色一样多元素的向量。你不需要32，24，甚至可能不需要16位的准确度，这只会让你慢下来。出于性能原因，我将直方图映射到4、8和10-12位

• 在所有4位直方图和样本颜色之间进行模糊

  最小距离比较
  然后取该集合并进行8位直方图比较
  然后可能会上升到一个10或12位的直方图，与剩余的一组进行比较。这将是性能最高的搜索，因为您要将整个集合与非常少量的计算进行比较，以找到一个小的子集
  然后，您将处理计算量较大的小子集，等等
  

真正的大技巧是找到匹配相似直方图的最佳算法

• 从距离计算开始。在3个维度上，我认为是：
  SQRT（（x1-x2）^2+（y1-y2）^2+（z1-z2）^2）

我是凭记忆做这件事的，所以查一下以确定

• 出于您的目的，您将拥有3个以上的维度，因此您将拥有更多的术语。4位柱状图将有16个术语，8位柱状图将有256个术语，等等。请记住，这种数学运算速度很慢，所以实际上不要做

  SQRT

  部分。如果将图像的大小规格化到足够小，比如说10000像素，那么您知道只需对值0..100000执行

  x^2

  。预先计算

  x^2

  的查找表，其中x从0到10000。那么你的计算速度会很快

• 当您从调色板中选择一种颜色时，只需制作一个颜色为100000的直方图。选择2时，制作一个颜色1=5000、颜色2=5000等的直方图

• 最后，您将不得不添加捏造因素，以使应用程序与现实世界相匹配，但您将通过测试发现这些因素

---

我建议您对数据库中图像中的颜色进行某种聚类。我的意思是，对于数据库中的每个图像：

• 收集图像中每个像素的颜色
• 对收集到的颜色执行聚类（假设k-mean聚类有5个聚类）
• 将聚集的颜色存储为图像的代表性描述符

当用户提供一组一种或多种查询颜色时，您会进行某种贪婪匹配，在给定颜色和数据库中每个图像的颜色描述符（5种代表性颜色）之间选择最佳匹配

---

图像集合的大小是多少，因为根据大小，某些搜索索引可能比alogorith本身的问题更大？

我不确定这是一种“视觉相似性”检测，更像是颜色索引（颜色和面积共享）。由于颜色是由数字组成的，您可以构建算法来进行爬网。感谢我将使用imageJ和我提到的这个程序算法进行模糊最小距离比较。我想我吸毒了。只需进行最小距离比较。：）