相似圖片演算法
① 比較圖片中人臉的相似程度是使用什麼樣的演算法，並且計算得到眼睛，鼻子等相似程度有沒有具體的實現
OPENCV里就有。安裝後，DATA目錄下，haarcascades目錄下，haarcascade_frontalface_default.xml就不錯。這是人臉識別的數據。
用法請根據這個文件名找吧，記得就是調用OPENCV里的某個函數（C++），用這個文件名和圖作參數，返回的就是圖中人臉的位置。
這里是你用得著的部分：
const char* cascadeFile = "haarcascade_frontalface_alt.xml";
const char* folder = "C:\\Program Files\\OpenCV\\data\\haarcascades\\";
char path[1024];
sprintf(path, "%s%s", folder, cascadeFile);
CvHaarClassifierCascade* cascade = (CvHaarClassifierCascade*) cvLoad(path, 0, 0, 0);
//然後cascade就存著需要的那個CvHaarClassifierCascade了。
......
CvSeq* faces = cvHaarDetectObjects(img, cascade, storage,
1.1, 2, CV_HAAR_DO_CANNY_PRUNING,
cvSize(source->getWidth() >> 7, source->getHeight() >> 7));
這句中，img是一個IplImage*，我自己的項目是從攝像頭弄來的，我估計你需要直接用opencv載入圖片。cascade就是載入的OPENCV的樣本數據，storage是一個空間，我用的CvMemStorage* storage = cvCreateMemStorage(0)創建的，detect objects之前我還用了cvClearMemStorage(storage)，1.1是縮放，2是檢測像素大小，CV_HAAR_DO_CANNY_PRUNING是比較方法， 一個OPENCV自帶的常量。最後cvSize的返回值是允許的最小臉部大小。每個變數都解釋到了吧。
之後faces->total就是找到幾個臉。用cvGetSeqElem(faces, i)來取每個臉的數據，取出來的東西是(CvRect*)，要記得TYPECAST，例如CvRect face1 = *((CvRect*) cvGetSeqElem(faces, 0))。這樣得到的CvRect有4個變數face1.x,face1.y,face1.width,face1.height就是人臉在圖片中的位置了。
② 相似圖片搜索的原理是怎樣的
2011年，Google把「相似圖片搜索」正式放上了首頁。你可以用一張圖片，搜索互聯網上所有與它相似的圖片。點擊搜索框中照相機的圖標。
有了50×50像素的黑白縮略圖，就等於有了一個50×50的0-1矩陣。矩陣的每個值對應原圖的一個像素，0表示黑色，1表示白色。這個矩陣就是一張圖片的特徵矩陣。
兩個特徵矩陣的不同之處越少，就代表兩張圖片越相似。這可以用」異或運算」實現（即兩個值之中只有一個為1，則運算結果為1，否則運算結果為0）。對不同圖片的特徵矩陣進行」異或運算」，結果中的1越少，就是越相似的圖片。
③ 誰能告訴我怎麼可以搜到更多類似的圖片
10款相似圖片搜索引擎
1. Picitup
一個相似圖片搜索引擎, 很簡單, 輸入關鍵詞搜索, 似乎沒什麼好說的. 但它的搜索過程真的是讓人覺得非常專業, 比如我輸入」android」進行圖片搜索, 可以在搜索結果頁通過」面部」, 「風景」, 「產品」和」顏色」來進行過濾.在過濾後的圖片搜索結果頁面又可以通過點擊某張圖片下面的」Similar Pictures」進行再次過濾。
2. Gazopa
一個全新的圖片搜索引擎，並非傳統的使用關鍵詞搜索，而是自動分析圖像中的元數據，作為搜索的關鍵數據，例如，顏色、形狀等，尋找相似的圖片。它能根據圖像自身的特徵從互聯網上搜索相似的圖像，而不是依靠人為設置的文字描述來搜索。
3. Tiltomo
Flickr 開發的一個搜索工具，主要用來維護Flickr 自己的圖片資料庫， Tiltomo的搜索演算法主要是基於相似的主題風格或相似的色調和材質：
4. Tineye.com
一種新的在線圖片搜索引擎：不像其它圖片搜索引擎是根據你提交的關鍵字進行搜索，Tineye.com根據你上傳的圖片去搜索相似的圖片。迄今為止，盡管Tineye.com的資料庫還不夠龐大，但它一直在迅速地成長中。Tineye.com需要注冊才能使用，不過大多時候它的搜索結果確實是很精確。
5. Byo image search
是根據你上傳的圖片來搜索相似的圖片，演算法主要是基於色彩，不過也包括主題風格：
6. Live.com
允許你進行一次關鍵字搜索後再執行相似性的搜索。你可以為Live索引中的任意一張圖片尋找相似的圖片。但搜索結果看起來並不是很精確：
7. Xcavator
Live.com很相似，你需要先輸入一個關鍵字，然後在搜索結果中挑選一張圖片，在根據這張圖片的特點來進行搜索：
8. Incogna
搜索速度非常快，主要是基於色彩和形狀上的相似性：.
9. Terragalleria
主要基於視覺上的相似性，而不考慮圖片的內容。
10. Google相似圖片搜索
還待在Google實驗室中的相似圖片搜索服務，雖然出生名門，但比起那些專業的相似圖片搜索來說，在它走出實驗室之前，確實應該再弄的高級點。
④ C#怎麼來判斷2張圖片相似度
很麻煩，而且計算量很大，這個屬於人工智慧的范疇。
如果這「兩張相似圖片」可以規定很多前提，比如相同解析度，黑白，簡單幾何圖形。。。那麼可以用基本的演算法去算一下「相似度」， 也就是樓上說的，讀取兩張照片的像素點，然後遍歷去對比灰度差值。這些有很多現成的演算法，也有很多網站提供這方面的計算（直接調用API即可），但是只能得出數字化的「相似度」。
如果你要的就是兩張圖片像素點之間的差異，那麼就去找演算法即可實現。
看一參考這個網站：www.aforgenet.com 這個是國外比較知名的圖像處理的網站。
但是，兩張圖片如果尺寸不一呢？ 如果比例不一樣呢？ 如果有留白呢？彩色的呢？
所以目前最成熟的編程演算法也就是識別一下字母和數字（比如谷歌可以識別照片上的門牌號和街道號），人臉識別也只是拿幾個標本部位來大致判斷相似度（眼睛的大小，鼻樑的高度，臉頰的寬瘦和比例）， 以人眼的標准完整的去比較兩張圖片是否一樣是很難的，目前應該還沒有這方面成熟的技術。
⑤ IOS 解決問題：相似、截屏照片清理和圖片壓縮
用來提供相冊的清理相似圖片、清理截屏圖片、壓縮圖片三個功能。
額外需要引入的框架：
Photos 引用了系統的 AssetsLibrary 框架，需要額外導入，否則會報錯：
引入方式：
作用是無需創建實例，通過類方法直接調用。
在這個方法中載入的圖片包括相似圖、截屏圖以及可瘦身的圖片，所以是公共部分。
第一步： 載入照片之前首先要清除舊數據。
第二步： 判斷相冊授權狀態。如果相冊授權狀態為沒決定，則開啟許可權提示，在 info.plist 中添加上 Privacy - Photo Library Usage Description ，提示語句可為：獲取相冊許可權。
如果相冊授權狀態為拒絕，則彈出提示框，點擊前往設置則跳轉到設置APP開啟許可權。
第三步： 如果已經授權則直接獲取相冊中的數據。
第四步： requestImageWithIndex: 方法通過圖片索引位置來獲取 assetArray 中對應的圖片。這個方法在 index+1 後不斷遞歸調用自己，直到遍歷完整個 assetArray 。傳入縮略圖和原圖後，即進入了本文章的關鍵部分，即圖片的處理流程了。
第五步： 圖片的處理方法 dealImageWithIndex: 對傳入的縮略圖和原圖進行三步處理，分別判斷其是否為相似圖片、截屏圖片、可以瘦身的圖片，如果是則將其加入到對應數組中保存作為數據源。處理完一張圖片後將 index+1 ，再調用 requestImageWithIndex: 處理下一張圖片，這是個遞歸過程，直到全部圖片處理完成。
因為圖片資源數組 assetArray 是按照創建時間排序的，所以可以通過和上一個圖片的創建時間相比較來對圖片按照是否為同一天創建的標准來分組顯示。如果是同一天創建的圖片，則將其分為一組。是否為同一天的比較方法如下：
第六步： 圖片載入完成，計算相似、截屏、可瘦身的圖片的數量和可節省內存的大小，最後將各類可節省內存的大小加起來得到總的可節省內存的大小。
其中獲取圖片數量及可以節省的內存空間大小的 getInfoWithDataArray: 方法的實現如下：
在 ClearPhotoManager 中定義：
當我們在相冊新增加了一張圖片的時候，控制台輸出如下：
在 ClearPhotoViewController 中使用：頁面顯示前或者相冊發生變動了則更新數據源
在 中使用：刪除後通知更新相冊和數據源
在 ThinPhotoViewController 中使用：壓縮後通知更新相冊和數據源
刪除一張圖片後的內存變化：
注意：這里進行了個小實驗，可以看到即使照片相同，但是如果創建日期不同的話，APP也對它進行了單獨分組，因為我們是按照日期的標准來劃分組的。實際使用過程中，這種情況很少，因為會產生相似圖片的原因大都是復制和連拍，而復制的圖片、連拍的圖片日期都是相同的。
屬性的懶載入方法實現如下：
這里用到了圖片相似度演算法，其原理包括五步：
1、縮小尺寸
2、簡化色彩
3、計算平均值
4、比較像素的灰度
5、計算哈希值
該演算法的具體實現我們不用去關心，只需要導入 ImageCompare.h 這個文件即可。在該文件內部用到了：
所以還需要導入這個框架： opencv2.framework 。這兩份文件在我的 demo 里都已經提供了。
如果上一張圖片存在並且是現在的圖片的創建時間是同一天，而且還滿足相似度演算法，則更新相似圖片數據源，否則說明和上一張圖片並不相似。
其中以創建日期作為字典的 key ，其方法 stringWithDate: 的實現如下：
這是最關鍵的一步，也是非常繞腦袋的一步，理解的關鍵是分清楚下面的數組和字典的作用和區別：
similarArray的內容列印結果如下：
similarArray中每一個lastDictionary列印結果如下：
lastDictionary的allValues：
⑥ C#灰度圖像通過相似度演算法找出相似度最高的圖片
這種以圖搜圖可以用感知哈希演算法，
第一步 縮小圖片尺寸
將圖片縮小到8x8的尺寸, 總共64個像素. 這一步的作用是去除各種圖片尺寸和圖片比例的差異, 只保留結構、明暗等基本信息.
第二步 轉為灰度圖片
將縮小後的圖片, 轉為64級灰度圖片.
第三步 計算灰度平均值
計算圖片中所有像素的灰度平均值
第四步 比較像素的灰度
將每個像素的灰度與平均值進行比較, 如果大於或等於平均值記為1, 小於平均值記為0.
第五步 計算哈希值
將上一步的比較結果, 組合在一起, 就構成了一個64位的二進制整數, 這就是這張圖片的指紋.
第六步 對比圖片指紋
得到圖片的指紋後, 就可以對比不同的圖片的指紋, 計算出64位中有多少位是不一樣的. 如果不相同的數據位數不超過5, 就說明兩張圖片很相似, 如果大於10, 說明它們是兩張不同的圖片.
具體的c#代碼可以看
usingSystem;
usingSystem.IO;
usingSystem.Drawing;
namespaceSimilarPhoto
{
classSimilarPhoto
{
ImageSourceImg;
publicSimilarPhoto(stringfilePath)
{
SourceImg=Image.FromFile(filePath);
}
publicSimilarPhoto(Streamstream)
{
SourceImg=Image.FromStream(stream);
}
publicStringGetHash()
{
Imageimage=ReceSize();
Byte[]grayValues=ReceColor(image);
Byteaverage=CalcAverage(grayValues);
Stringreslut=ComputeBits(grayValues,average);
returnreslut;
}
//Step1:Recesizeto8*8
privateImageReceSize(intwidth=8,intheight=8)
{
Imageimage=SourceImg.GetThumbnailImage(width,height,()=>{returnfalse;},IntPtr.Zero);
returnimage;
}
//Step2:ReceColor
privateByte[]ReceColor(Imageimage)
{
BitmapbitMap=newBitmap(image);
Byte[]grayValues=newByte[image.Width*image.Height];
for(intx=0;x<image.Width;x++)
for(inty=0;y<image.Height;y++)
{
Colorcolor=bitMap.GetPixel(x,y);
bytegrayValue=(byte)((color.R*30+color.G*59+color.B*11)/100);
grayValues[x*image.Width+y]=grayValue;
}
returngrayValues;
}
//Step3:Averagethecolors
privateByteCalcAverage(byte[]values)
{
intsum=0;
for(inti=0;i<values.Length;i++)
sum+=(int)values[i];
returnConvert.ToByte(sum/values.Length);
}
//Step4:Computethebits
privateStringComputeBits(byte[]values,byteaverageValue)
{
char[]result=newchar[values.Length];
for(inti=0;i<values.Length;i++)
{
if(values[i]<averageValue)
result[i]='0';
else
result[i]='1';
}
returnnewString(result);
}
//Comparehash
(stringa,stringb)
{
if(a.Length!=b.Length)
thrownewArgumentException();
intcount=0;
for(inti=0;i<a.Length;i++)
{
if(a[i]!=b[i])
count++;
}
returncount;
}
}
}
⑦ 相片相似度在線測試，兩段語音相似度對比，什麼演算法識別率高
提起相片相似度在線測試，大家都知道，有人問兩段相似度對比，什麼演算法識別率高？另外，還有人想問在網上怎樣才找到跟自己相似度很高的照片，你知道這是怎麼回事？其實有沒有什麼軟體可以對兩張照片對比相似度的，下面就一起來看看兩段相似度對比，什麼演算法識別率高？希望能夠幫助到大家！
相片相似度在線測試
1、相片相似度在線測試:兩段相似度對比，什麼演算法識別率高？
可以用兩個軟體測試測試，說出同樣的一段話就好了，就知道哪個識別率好了，就像錄音轉文字助手就可以把轉換成文字。
點開里邊的錄音識別功能，說出你要測試的，就可以把轉成文字了，你可以去跟其他的比較一下。
2、相片相似度在線測試:在網上怎樣才找到跟自己相似度很高的照片
可以用識圖來檢索相似度高的圖片，而且成功率很高。照片相似度對比在線測試軟體。
識圖是圖片搜索近期推出的一項新功能。常規的圖片搜索，是通過輸入關鍵詞的形式搜索到互聯網上相關的圖片，而識圖則能實現用戶通過上傳圖片或輸入圖片的url地址，從而搜索到互聯網上與這張圖片相似的其他圖片，同時也能找到這張圖片相關的信息。
看到說可以用PS對比照片相似度，想知道怎麼做？我的是PS7.0的唔。。是比對人臉的相似度之類的。。聽人說是PS可以，自己不知道怎麼用。
看到說可以用PS對比照片相似度，想知道怎麼做？我的是PS7.0的
有沒有什麼軟體可以對兩張照片對比相似度的
照片的相似度?
這個問題太籠統了.夫妻相測試免費。
如果是想看看兩個一樣的照片有沒有什麼不同處的話,在PS里把一個直接拖到另一個裡面,然後在圖層里把上面的圖層透明度調小點，你會看到兩個照片的,沒重疊在一起的就是不同處,
如果你想看兩個照片的風格,或相機和相機參數,用PS沒相機自帶軟體好.
3、相片相似度在線測試:有沒有什麼軟體可以對兩張照片對比相似度的
1、Mix濾鏡。
IX濾鏡免費提供將近款默認濾鏡，包括景深濾鏡，散景濾鏡，經典紋理，漏光濾鏡，更多自定義編輯工具和完善的自定義編輯參數。MIX濾鏡是一款自定義手動編輯應用，在創造的過程中，能滿足對照片的想像。兩張照片 在臉比對。
2、光影術手。
光影術手為一款針對圖像畫質進行改善提升及效果處理的軟體；簡單、易用，不需要任何專業的圖像技術，就可以製作出專業膠片攝影的色彩效果，其具有許多獨特之處，如反轉片效果、黑白效果、數碼補光、沖版排版等,且其批量處理功能非常強大，是攝影作品後期處理、圖片快速美容、數碼照片沖印整理時必備的圖像處理軟體，能夠滿足絕大部分人照片後期處理的需要。
3、美圖秀秀。
美圖秀秀的圖片、美容、拼圖、場景、邊框、飾品等功能，可以1分鍾做出影樓級照片，還能一鍵分享到新浪微博、人人網、QQ空間等。
年4月推出美圖社交圈，鼓勵年輕人秀真我，讓社交更好看，美圖秀秀也從影像工具升級為社區。
4、圖。
圖（原圖精靈）是BeijingBaiNetcomScience&TechnologyCo.,Ltd的一款掌上美圖工具，致力於提供手機上圖片拍攝、美化、分享和雲端相冊的一站式圖片服務。
調節亮度、對比度、裁剪、旋轉翻轉圖片等等，對圖片基本的色彩校正和技術處理。採用曲線調節技術，用戶拖動滑桿即可達到。支持iOS及Android系統，已成為時下的圖片美化工具。
5、可牛影像。人臉相似度在線測試軟體。
可牛影像為一款強大的免費照片處理管理軟體。可牛影像內嵌上千張日歷、寶寶照、大頭貼、婚紗照、非主流場景，無須任何PS技巧識即可製作支持多圖場景，一張日歷、婚紗、寶寶照中可內嵌多張照片，製作效果很酷。軟體集成了超強人像美容及影樓智能人像柔焦美容，1秒鍾呈現朦朧藝術感覺，像冷藍、冷綠、暖黃、復古影樓，冷艷、唯美、風情。人臉相似度對比在線測試。
以上就是與兩段相似度對比，什麼演算法識別率高？相關內容，是關於兩段相似度對比，什麼演算法識別率高？的分享。看完相片相似度在線測試後，希望這對大家有所幫助！
⑧ 相似圖片檢測：感知哈希演算法之dHash的Python實現
某些情況下，我們需要檢測圖片之間的相似性，進行我們需要的處理：刪除同一張圖片、標記盜版等。
如何判斷是同一張圖片呢？最簡單的方法是使用加密哈希（例如MD5, SHA-1）判斷。但是局限性非常大。例如一個txt文檔，其MD5值是根據這個txt的二進制數據計算的，如果是這個txt文檔的完全復製版，那他們的MD5值是完全相同的。但是，一旦改變副本的內容，哪怕只是副本的縮進格式，其MD5也會天差地別。因此加密哈希只能用於判斷兩個完全一致、未經修改的文件，如果是一張經過調色或者縮放的圖片，根本無法判斷其與另一張圖片是否為同一張圖片。
那麼如何判斷一張被PS過的圖片是否與另一張圖片本質上相同呢？比較簡單、易用的解決方案是採用感知哈希演算法（Perceptual Hash Algorithm)。
感知哈希演算法是一類演算法的總稱，包括aHash、pHash、dHash。顧名思義，感知哈希不是以嚴格的方式計算Hash值，而是以更加相對的方式計算哈希值，因為「相似」與否，就是一種相對的判定。
如果我們要計算上圖的dHash值，第一步是把它 縮放到足夠小 。為什麼需要縮放呢？因為原圖的解析度一般都非常高。一張 200*200 的圖片，就有整整4萬個像素點，每一個像素點都保存著一個RGB值，4萬個RGB，是相當龐大的信息量，非常多的細節需要處理。因此，我們需要把圖片縮放到非常小，隱藏它的細節部分，只見森林，不見樹木。建議縮放為9*8，雖然可以縮放為任意大小，但是這個值是相對合理的。而且寬度為9，有利於我們轉換為hash值，往下面看，你就明白了。
(感謝評論區 隔壁萬能的小黑 同學，建議在 image.resize 中加上Image.ANTIALIAS參數，加上此參數將會對所有可以影響輸出像素的輸入像素進行高質量的重采樣濾波)
dHash全名為差異值hash，通過計算相鄰像素之間的顏色強度差異得出。我們縮放後的圖片，細節已經被隱藏，信息量已經變少。但是還不夠，因為它是彩色的，由RGB值組成。白色表示為（255,255,255）,黑色表示為（0,0,0），值越大顏色越亮，越小則越暗。每種顏色都由3個數值組成，也就是紅、綠、藍的值 。如果直接使用RGB值對比顏色強度差異，相當復雜，因此我們轉化為灰度值——只由一個0到255的整數表示灰度。這樣的話就將三維的比較簡化為了一維比較。
差異值是通過計算每行相鄰像素的強度對比得出的。我們的圖片為9*8的解析度，那麼就有8行，每行9個像素。差異值是每行分別計算的，也就是第二行的第一個像素不會與第一行的任何像素比較。每一行有9個像素，那麼就會產生8個差異值，這也是為何我們選擇9作為寬度，因為8bit剛好可以組成一個byte，方便轉換為16進制值。
如果前一個像素的顏色強度大於第二個像素，那麼差異值就設置為True（也就是1），如果不大於第二個像素，就設置為False（也就是0）。
我們將差異值數組中每一個值看做一個bit，每8個bit組成為一個16進制值，將16進制值連接起來轉換為字元串，就得出了最後的dHash值。
漢明距離這個概念不止運用於圖片對比領域，也被使用於眾多領域，具體的介紹可以參見Wikipedia。
漢明距離表示將A修改成為B，需要多少個步驟。比如字元串「abc」與「ab3」，漢明距離為1，因為只需要修改「c」為「3」即可。
dHash中的漢明距離是通過計算差異值的修改位數。我們的差異值是用0、1表示的，可以看做二進制。二進制0110與1111的漢明距離為2。
我們將兩張圖片的dHash值轉換為二進制difference，並取異或。計算異或結果的「1」的位數，也就是不相同的位數，這就是漢明距離。
如果傳入的參數不是兩張圖的dHash值，而是直接比較兩張圖片，那麼不需要生成dHash值，直接用Step3中的difference數組，統計不相同的位數，就是漢明距離。
一般來說，漢明距離小於5，基本就是同一張圖片。大家可以根據自己的實際情況，判斷漢明距離臨界值為多少。
https://github.com/hjaurum/DHash
⑨ 計算圖像相似度的演算法有哪些
SIM = Structural SIMilarity（結構相似性），這是一種用來評測圖像質量的一種方法。由於人類視覺很容易從圖像中抽取出結構信息,因此計算兩幅圖像結構信息的相似性就可以用來作為一種檢測圖像質量的好壞.
首先結構信息不應該受到照明的影響,因此在計算結構信息時需要去掉亮度信息,即需要減掉圖像的均值;其次結構信息不應該受到圖像對比度的影響,因此計算結構信息時需要歸一化圖像的方差;最後我們就可以對圖像求取結構信息了,通常我們可以簡單地計算一下這兩幅處理後的圖像的相關系數.
然而圖像質量的好壞也受到亮度信息和對比度信息的制約,因此在計算圖像質量好壞時,在考慮結構信息的同時也需要考慮這兩者的影響.通常使用的計算方法如下,其中C1,C2,C3用來增加計算結果的穩定性:
2u(x)u(y) + C1
L(X,Y) = ------------------------ ,u(x), u(y)為圖像的均值
u(x)^2 + u(y)^2 + C1
2d(x)d(y) + C2
C(X,Y) = ------------------------,d(x),d(y)為圖像的方差
d(x)^2 + d(y)^2 + C2
d(x,y) + C3
S(X,Y) = ----------------------,d(x,y)為圖像x,y的協方差
d(x)d(y) + C3
而圖像質量Q = [L(X,Y)^a] x [C(X,Y)^b] x [S(X,Y)^c]，其中a，b，c分別用來控制三個要素的重要性，為了計算方便可以均選擇為1，C1，C2，C3為比較小的數值，通常C1=(K1 x L)^2, C2=(K2 xL)^2, C3 = C2/2, K1 << 1, K2 << 1, L為像素的最大值(通常為255).
希望對你能有所幫助。
⑩ java 對比圖片相似度的演算法。。說說想法也行
每張圖分成四塊，將每部分的圖片混成一種純色，對比這四個純色可以篩掉大部分的圖片