Image processing 图像哈希的离散余弦变换更灵活

我正在使用感知散列的概念来处理我的图像。使用DCT作为基础数学，它工作得很好

我得到了很好的图像匹配，这些图像是同一条“攻击”线，即纵横比、亮度、对比度和大多数与颜色变化相关的东西

然而，我正在寻找更多的灵活性，并希望能够找到类似性质的图像，使用图像搜索其他图像。类似于你能做什么

---

DCT使我获得图像（结构）的最低频率。我可以在这里做些什么来增加灵活性吗？

如何使用转换后的数据来比较相邻像素之间的增量？如果结果实际上是相同的，那么这难道不能处理相同但更亮的图像吗？如果增量不同但仍与源图像成比例，该怎么办？这难道不是一幅对比度更高的图像吗？所以我目前的版本在亮度、对比度以及任何与改变像素“颜色”有关的方面都很好。如果从稍微不同的角度拍摄图像，我需要灵活性。啊，抱歉，我读到这句话：“我得到了很好的匹配…阻止了一些“攻击”，即亮度”，因为“我得到了图像的匹配，除了那些有亮度的，等等，差异”稍微不同的角度意味着投影变换，所以你可能在寻找投影不变量。一条直线上四个特征的交叉比可能是一个可以使用的示例。不过这很棘手，一种经典的计算机视觉方法是兴趣点提取（也称为“功能”），比如SIFT（专利，速度慢，但很好），SURF（速度快，也有专利）和其他一些方法。特征匹配在广泛的转换中提供了很大的灵活性。它涉及到一系列非平凡且可能昂贵的操作，例如高维空间中的最近邻搜索。