C# 使用SOLR计算；相似性“/&引用；“比特计数”；在两个乌龙之间

我们有一个图像数据库，我在其中使用实现的计算了PHAH

下面是部分示例代码，用于计算这些长度之间的差异：

ulong hash1 = AverageHash(theImage);
ulong hash2 = AverageHash(theOtherImage);

uint BitCount(ulong theNumber)
{
    uint count = 0;
    for (; theNumber > 0; theNumber >>= 8) {
        count += bitCounts[(theNumber & 0xFF)];
    }
    return count;
}

Console.WriteLine("Similarity: " + ((64 - BitCount(hash1 ^ hash2)) * 100.0) / 64.0 + "%");

挑战在于，我只知道这些散列中的一个，我想查询SOLR，以按相似性顺序查找其他散列

请注意：

在这里使用SOLR（我唯一的选择是HBASE）

希望避免在solr中安装任何自定义java（乐于安装现有插件）

很高兴用C语言进行大量的预处理#

乐于使用多个字段将数据存储为位字符串、长字符串等

使用SOLRNet作为客户端

编辑，一些额外的信息（抱歉，我被问题缠住了，并开始假设这是一个广为人知的领域）。以下是C#控制台/示例应用程序的直接下载：

此控制台应用程序的输出示例如下：

004143737f7f7f7f phash-test-001.jpg
0041417F7F7F7F7F7F phash-test-002.jpg
相似性：95.3125%

你可以使用它，你必须在页面上向下滚动一点

Solr的标准查询解析器支持基于Levenshtein距离或编辑距离算法的模糊搜索。模糊搜索发现与指定术语相似的术语，但不一定是精确匹配的术语。要执行模糊搜索，请在单个单词词尾使用波浪符号

假设您有如下模式，其中此字段

phash

保存您计算的phash

您可以执行如下查询：

q=phash:004143737f7f7f7f~0.8&
fl=score,phash

这将返回所有具有至少80%的

Levenshtein距离或编辑距离的PHASH的文档。你不会得到你在问题中给出的95.3125%，但是87.5%的匹配/不匹配字符被计算在内

当您想要查看该值时，可以执行以下查询

q=phash:004143737f7f7f7f~0.8&
fl=score,phash,strdist("0041417f7f7f7f7f", phash, edit)

这是一个使用Levenstein或编辑距离的示例，并将提供类似的结果

+----------------+---------------------------------------+
|hash            |strdist("0041417f7f7f7f7f", hash, edit)|
+----------------+---------------------------------------+
|0041417f7f7f7f7f|1.0                                    |
+----------------+---------------------------------------+
|004143737f7f7f7f|0.875                                  |
+----------------+---------------------------------------+

当您想减少<代码> 95.3125% 和87.5%之间的间隙时，您应该考虑将PHASH存储为十六进制值，但是作为八进制值，例如：
谢谢@ CHEFE-我现在将对此进行测试，为了进一步改进strist而不是octet，使用诸如000000000 100000100001011011100110111111111111111111011111011111011111011111011111111这样的单个位串是否有意义，我正在尝试尽可能接近如示例所示的位计数。（尽管我很高兴SOLR让我完成了90%的过程，并用C#完成了剩下的部分）感谢你的回答-仅供参考，上述方法与比特数算法完全匹配。