[image] 여러 이미지의 유사성을 비교하기위한 이미지 지문

일반 해싱 또는 CRC 계산 알고리즘은 이미지 데이터에서 제대로 작동하지 않습니다. 정보의 차원 적 특성을 고려해야합니다.

아핀 변환 (크기 조정, 회전, 변환, 뒤집기)을 고려하는 매우 강력한 지문이 필요한 경우 이미지 소스 에서 라돈 변환을 사용 하여 이미지 데이터의 표준 매핑을 생성 할 수 있습니다. 이를 각 이미지와 함께 저장하고 그런 다음 지문 만 비교합니다. 이것은 복잡한 알고리즘이며 희미한 심장을위한 것이 아닙니다.

몇 가지 간단한 솔루션이 가능합니다.

1. 이미지에 대한 광도 히스토그램을 지문으로 생성
2. 각 이미지의 축소 된 버전을 지문으로 생성
3. 비교 품질 향상을 위해 기술 (1) 및 (2)를 하이브리드 접근 방식으로 결합

광도 히스토그램 (특히 RGB 구성 요소로 분리 된 것)은 이미지에 대한 합리적인 지문이며 매우 효율적으로 구현할 수 있습니다. 하나의 히스토그램을 다른 히스토그램에서 빼면 두 이미지가 얼마나 유사한 지 결정하기 위해 처리 할 수있는 새로운 히스토그램이 생성됩니다. 히스토그램은 광도 / 색상 정보의 분포 및 발생을 평가하기 때문에 아핀 변환을 아주 잘 처리합니다. 각 색상 구성 요소의 광도 정보를 8 비트 값으로 양자화하면 거의 모든 합리적인 크기의 이미지 지문에 768 바이트의 저장 공간이 충분합니다. 광도 히스토그램은 이미지의 색상 정보를 조작 할 때 위음성을 생성합니다. 대비 / 밝기, 포스터 화, 색상 이동, 광도 정보 변경과 같은 변형을 적용하면.

크기 조정 된 이미지를 사용하는 것은 이미지의 정보 밀도를 비교하기 쉬운 수준으로 줄이는 또 다른 방법입니다. 원본 이미지 크기의 10 % 미만으로 축소하면 일반적으로 사용하기에 너무 많은 정보가 손실됩니다. 따라서 800×800 픽셀 이미지는 80×80으로 축소 될 수 있으며 여전히 적절한 지문을 수행하기에 충분한 정보를 제공 할 수 있습니다. 히스토그램 데이터와 달리 소스 해상도가 다양한 종횡비를 가질 때 이미지 데이터의 이방성 스케일링을 수행해야합니다. 즉, 300×800 이미지를 80×80 미리보기 이미지로 줄이면 이미지가 변형되어 300×500 이미지 (매우 비슷 함)와 비교할 때 거짓 음성이 발생합니다. 썸네일 지문은 아핀 변환이 관련 될 때 종종 위음성을 생성합니다. 이미지를 뒤집거나 회전하면

두 가지 기술을 결합하는 것은 베팅을 헤지하고 거짓 긍정과 거짓 부정의 발생을 줄이는 합리적인 방법입니다.

답변