用图片搜索图片是怎么回事？

图片中这个颜值爆棚、身材火辣的小姐姐你知道是谁吗？

如果你去问同学或者同事，估计没人知道，因为她不是什么明星，也不是什么网红，更不是王思聪的第99个女盆友。

你手里只有一张图片，没有其他信息，但是你又非常想认识这位小姐姐，怎么办呢？

你可以去请教老司机，他会让你使用搜索引擎（百度、谷歌、搜狗等）的“以图搜图”功能，也就是上传一张图片，找到图片的相关信息，或者找到更多类似的图片。

在百度的“图片搜索”里上传这张图片，经过图像识别后，会得到以下的信息：

你看，我们找到了这位小姐姐的微博，点进去以后才知道，原来小姐姐不仅是一名模特，还是 FitLife 品牌的创始人。

各位男同胞们可以看一下小姐姐的微博，相信会惊爆你的眼球。

互联网就是这么强大，只要你有一点点线索，就能把一个人的老底翻个遍。

好了，言归正传，作为一个科普技术的公众号，今天我要向大家介绍的是“以图搜图”的实现原理。

说起搜索技术，其实是一个匹配的过程。我们最常用的是文本搜索，在百度里输入几个关键字，就能找到与此相关的网页。

站在编程的角度，判断两段文本是不是一样很容易，直接比较字符串就可以。对于搜索引擎，当然要复杂一些，会涉及到“倒排索引”“PR值”等算法，它们主要用来加快搜索速度，确定网页排名。

文本很容易作比较，但是换成图片就不一样了。“以图搜图”面临的首要问题，就是如何判断两张图片是相似的。

图片本身是二进制数据，最简单的办法，就是通过对比二进制数据来判断。但是图片的体积往往比较大，小的有几十KB，大的几十MB，等你对比完了，小姐姐的微博可能都关闭了。

另外，图片的格式不一样，尺寸不一样，精度不一样，相应的二进制数据也会有天壤之别，所以直接比较二进制数据几乎是不可行的。

“以图搜图”使用的是一种快速的、模糊的匹配算法。它仿照人眼对图片相似度的判断，只要两张图片的整体轮廓和大致颜色一样，就可以认为两张图片是相似的，至于图片是什么格式，大小和精度如何，都不再重要了。

“感知哈希算法”可以做到这一点，它的作用是对每张图片生成一段文本，当用户搜索时，比较的是不同图片的文本。文本越接近，图片就越相似。这又回到了刚才的文本匹配技术，这就简单了。

“感知哈希算法”大致分为以下几个步骤：

1) 缩小尺寸

将图片缩小到8*8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留整体轮廓、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。

缩小的结果就是整个图片变得模糊了，但是基本的结构还在。

2) 简化色彩

将彩色图片转换成黑白图片，去除颜色的影响。

对于黑白图片，像素颜色的不同都只是“灰度”的不同。我们将灰度分为64个等级，那么每个像素就只能是64种灰度中的一种。

3) 计算灰度平均值

定义了“灰度”以后，就可以用 1~64 中的某个数字来表示像素的颜色；也就是说，每个像素都对应 1~64 中的一个值。

缩小后的图片有64个像素，也就有64个值，我们可以计算出这64个值的平均值，得到64个像素的平均灰度。

4) 得到哈希值

将每个像素的灰度与平均值相比较，大于或等于平均值记作 1，小于平均值记作 0，这样就能够得到64个0和1的组合，例如：

1100 0000 1111 1010 1100 0101 0011 1000 0001 1011 1001 0100 0110 0001 1000 1010

我们将这一串0和1的组合称为图片的哈希值（hash），它就是一段文本。

5) 对比哈希值

对比两张图片的时候，可以直接对比它们的哈希值，64个0和1里面，相同的越多就越相似。这就回到了传统的文本匹配技术，问题就简单了。

总起来说，“感知哈希算法”就是忽略图片的格式、大小、精度等因素，把图片的整体轮廓和大致颜色提取出来，生成一段由0和1组成的文本，从而加快比较速度。

我们可以拓展一下思路，微信摇一摇里的“听歌识曲”、公安局的“人脸识别”也是类似的原理，都是提取二进制数据的主要特征，形成一段文本，最终转换成文本匹配的问题。