老司機放招：以圖搜圖到底是怎麼回事？

想象這樣一個場景，你在逛貼吧的時候得到一張圖片，是這樣子的。

你的好奇心來了，很想知道她是誰，有什麼車牌號或者作品可以學習學習。咋辦呢，手裡頭只有一張圖，其它信息沒有，百度一下看來幫不了你。

於是去請教老司機，他向你推薦了以圖搜圖的搜索引擎。顧名思義，上傳一張圖片，它就能幫你找到類似的圖片或者圖片的出處。類似這樣子：

果然有效果！於是你通過以圖搜圖的方法，找到了圖片上美女的信息，還順藤摸瓜的找到了她的作品，後面的事情就不用說了。現在的互聯網真是強大，只要有一點點線索，就能把一個人的老底翻個遍。

感嘆之餘，我們來看下以圖搜圖是什麼原理吧。

其實說起搜索，就是一個匹配的過程。你伺服器上存了互聯網上幾乎所有的網頁，這些網頁絕大部分都是由文本構成的。當你以某個關鍵詞查找的時候，只需要一一比對（當然這裡為了速度會用到「倒排索引」等高深的演算法），只要找出能夠匹配的內容即可。

文本信息的匹配很簡單，但是換成圖片就不一樣了。以圖搜圖面臨的首要問題，就是如何判斷兩張圖片是相似的。最簡單的辦法是，圖片本身就是二進位數據，可以通過比對二進位數據來判斷。但這樣做要求的精度太高，圖片的格式不一樣，尺寸不一樣，相應的二進位數據天壤之別，所以幾乎是不可行的。從另一個角度講，如果按二進位比對，每張圖片都要保存它原始的二進位數據，互聯網上的圖片是海量的，這個存儲壓力一般人扛不住。

有一個演算法可以做到，叫「感知哈希演算法」。顧名思義，它仿照人眼對圖片相似的判斷，只需要輪廓、大體顏色一致，就認為兩張圖片是相似的，至於圖片是什麼格式，大小如何，在比較的時候都排除在外。

1、把圖片縮小成8*8，縮小之後，整個圖片就變模糊了，但是基本的結構還在。這就人為降低了匹配的精度，要的就是這種效果。

2、把圖片的顏色信息轉化成64階灰度。怎麼理解呢？現在既然圖片壓縮成了8*8大小，一共64個像素，這樣只需要64個等級，就能表示每個像素的顏色強弱。我們的目標是比較顏色的相對強弱，並不關心每個像素原來是紅色還是黃色。

3、計算所有像素的灰度的平均值，然後記錄信息，每個像素，大於均值的標1，小均值的標0，最後形成一個64個bit的二進位數，這個數就是這張圖的hash值。這樣做的好處是存儲空間大大降低了。最後的結果是：

1100000011000001111000011110100011111101111010011110100111100000

4、兩張圖進行對比的時候，對比他們的hash值，如果64位里，相同的越多，越相似。

感知哈希演算法說簡單其實很簡單，它把圖片的大致結構，大致顏色抽出來，做成一個數字，既容易存儲，又容易比較，而且效果還不錯。發散一下，感知哈希演算法如果拿來鑒別小黃圖，應該也不錯。

解決了比較的問題，剩下的，就是搜索引擎的老一套了，輸入，對比，展示相似的結果。