每张图片都可以生成颜色分布的直方图（color histogram）。如果两张图片的直方图很接近，就可以认为它们很相似。
任何一种颜色都是由红绿蓝三原色（RGB）构成的，所以上图共有4张直方图（三原色直方图 + 最后合成的直方图）。
如果每种原色都可以取256个值，那么整个颜色空间共有1600万种颜色（256的三次方）。针对这1600万种颜色比较直方图，计算量实在太大了，因此需要采用简化方法。可以将0～255分成四个区：0～63为第0区，64～127为第1区，128～191为第2区，192～255为第3区。这意味着红绿蓝分别有4个区，总共可以构成64种组合（4的3次方）。
任何一种颜色必然属于这64种组合中的一种，这样就可以统计每一种组合包含的像素数量。
上图是某张图片的颜色分布表，将表中最后一栏提取出来，组成一个64维向量(7414, 230, 0, 0, 8, ..., 109, 0, 0, 3415, 53929)。这个向量就是这张图片的特征值或者叫"指纹"。
于是，寻找相似图片就变成了找出与其最相似的向量。这可以用皮尔逊相关系数或者余弦相似度算出。
#2，c++代码实现
1 #include<math.h> 2 #include<bitset> 3 #include<iostream> 4 #include<vector> 5 #include<string> 6 #include<fstream> 7 #include <time.h> 8 #include<opencv2/core/core.hpp> 9 #include<opencv2/highgui/highgui.hpp> 10 11 using namespace std; 12 using namespace cv; 13 14 void getRGB(Mat &pic, vector<int > &PixVec); 15 int bit2int(bitset<2>& bbit, bitset<2>& gbit, bitset<2>& rbit); 16 bitset<2> classify(int val); 17 double correlation(vector<int> &Pix1, vector<int> &Pix2); 18 void getNameFromTxt(vector<string> &OrigNamePic, string FileName, string OrigFileName); 19 20 int main(){ 21 double beginTime = clock(); 22 23 string FileName="rawdata"; 24 string oeder1 = "DIR .\\" + FileName + "\\*.jpg / B >FileNameList.TXT "; 25 system(oeder1.c_str()); 26 27 vector<string> PicName; 28 getNameFromTxt(PicName, FileName, "FileNameList.TXT"); 29 30 int Piclen = PicName.size(); 31 for (int m = 0; m < Piclen; m++){ 32 cout << "Compare the " << m << "-th picture with the others!" << endl; 33 for (int n = m+1; n < Piclen; n++){ 34 Mat pic1 = imread(PicName[m], 1); 35 Mat pic2 = imread(PicName[n], 1); 36 37 //PixVec 38 vector<int> Pix1Vec(64, 0); 39 getRGB(pic1, Pix1Vec); 40 vector<int> Pix2Vec(64, 0); 41 getRGB(pic2, Pix2Vec); 42 43 double correlVal = correlation(Pix1Vec, Pix2Vec); 44 //cout << "The value of correlation coefficient is: " << correlVal << endl; 45 if (correlVal > 0.999999){ 46 string movePic = "move .\\" + PicName[m]+" DeletePic >nul"; 47 system(movePic.c_str()); 48 break; 49 } 50 } 51 } 52 53 double endTime = clock(); 54 cout << "beginTime:" << beginTime << endl 55 << "endTime:" << endTime << endl 56 << "endTime-beginTime:" << endTime - beginTime << "ms" << endl; 57 58 system("Pause"); 59 return 0; 60 } 61 62 void getNameFromTxt(vector<string> &OrigNamePic, string fileName, string OrigFileName){ 63 ifstream OrigNameIn(OrigFileName); 64 while (!OrigNameIn.eof()){ 65 string cacheNameO; 66 getline(OrigNameIn, cacheNameO); 67 int len = cacheNameO.size(); 68 if (len>0){ 69 string realName = fileName + "\\" + cacheNameO; 70 OrigNamePic.push_back(realName); 71 } 72 } 73 74 OrigNameIn.close(); 75 string order = "del " + OrigFileName; 76 system(order.c_str()); 77 } 78 79 void getRGB(Mat &pic, vector<int > &PixVec){ 80 int rowNum=pic.rows; 81 int colNum=pic.cols; 82 int pixNum=colNum*pic.channels(); 83 84 if(pic.channels()!=3) 85 cout<<"The channel of the picture is not 3!"<<endl; 86 87 Mat_<Vec3b>::iterator it=pic.begin<Vec3b>(); 88 Mat_<Vec3b>::iterator itend=pic.end<Vec3b>(); 89 90 for(;it!=itend;++it){ 91 bitset<2> bpix,gpix,rpix; 92 bpix=classify((*it)[0]); 93 gpix=classify((*it)[1]); 94 rpix=classify((*it)[2]); 95 96 int clasVal=bit2int(bpix, gpix, rpix); 97 PixVec[clasVal]++; 98 } 99 100 } 101 102 int bit2int(bitset<2>& bbit,bitset<2>& gbit,bitset<2>& rbit){ 103 bitset<6> bitval; 104 for(int i=0;i<2;i++){ 105 bitval[0*2+i]=rbit[i]; 106 bitval[1*2+i]=gbit[i]; 107 bitval[2*2+i]=bbit[i]; 108 } 109 return bitval.to_ulong(); 110 } 111 112 bitset<2> classify(int val){ 113 if (val<64){ 114 bitset<2> bitval(0); 115 return bitval; 116 } 117 else if (val<128){ 118 bitset<2> bitval(1); 119 return bitval; 120 } 121 else if (val<192){ 122 bitset<2> bitval(2); 123 return bitval; 124 } 125 else {//if(val<256) 126 bitset<2> bitval(3); 127 return bitval; 128 } 129 } 130 131 double correlation(vector<int> &Pix1, vector<int> &Pix2){ 132 double XYsum=0.0, Xsum=0.0, Ysum=0.0; 133 double Xmean=0.0, Ymean=0.0; 134 135 int len=Pix1.size(); 136 137 for(int i=0; i<len; i++){ 138 Xmean += Pix1[i]; 139 Ymean += Pix2[i]; 140 } 141 Xmean =(double)Xmean/(double)len; 142 Ymean =(double)Ymean/(double)len; 143 144 for(int j=0;j<len;j++){ 145 XYsum += ((double)Pix1[j]-Xmean)*((double)Pix2[j]-Ymean); 146 Xsum += ((double)Pix1[j]-Xmean)*((double)Pix1[j]-Xmean); 147 Ysum += ((double)Pix2[j]-Ymean)*((double)Pix2[j]-Ymean); 148 } 149 150 double finalVal=(double)XYsum/(double)(sqrt(Xsum)*sqrt(Ysum)); 151 return finalVal; 152 } 相似图片搜索实现
#3，程序运行结果
