以图搜图技术与simhash算法.md

背景

以图搜图是很有颠覆力的应用，俗话说一图胜千言
不同于文本搜索的匹配模式，以图搜图要对搜索的信息源进行处理，抽取特征信息。在网易存证系统的开发过程中调研了用于以图搜图的simhash算法，并设想在内容系统建设完善后可以用于诸多的场景，比如：

• 商业图片侵权自动取证

• 肖像内容的识别

• 家庭照片按场景自动分类

---

图片指纹比较 simhash算法

阮一峰博客 相似图片搜索的原理

• 压缩大小

• 压缩颜色

• 计算平均灰度值

• 每个像素和平均值比较，大的为1；小的为0，进一步向量化

• 得出向量，就是图片指纹，

• 计算汉明距离 hamming distance

如上过程的java实现

通过如上粗粒度的算法分析，可知simhash和普通hash算法有较大不同；普通hash算法是对字节流无差别的处理，但是simhash首先会对信息抽取特征值，然后计算汉明距离，最后这步是关键，度量了两个特征量的相似性&#