图像比较

感知哈希 Perceptual Hash

• 缩小图像
• 灰度化处理
• 二值化处理
• 产生图像指纹

特点：速度快，算法简单，但无法匹配变换（如，旋转等）后的图像。

感知哈希算法的详细描述

感知哈希开源库：pHash

感知哈希的另一种实现：dhash

基于特征点比较 Keypoint Matching

• 生成一系列特征区域
• 对特征区域进行处理产生特征点
• 对特征点进行比较，得出结果

特点：标准的图像配准算法，可用于图像匹配，健全性强，计算速度较慢，涉及很多数学知识（本人数学基础巨差，完全看不懂）

代表算法: sirf, surf

直方图匹配 Histogram method

• 生成多个直方图
• 比较直方图，得出图像近似度

特点：速度较快，健全性不强，可以通过产生特殊的直方图兼容图像变换

特征点匹配结合决策树 Keypoint and Decision Trees

特征匹配与机器学习相结合

特点：速度快，健全性强，但算法实现复杂

参考

感知哈希算法——找出相似的图片

Dr. Neal Krawetz' Blog

Image comparison - fast algorithm - Stack Overflow

Simple image comparison in .NET

SIFT算法详解

SIFT 特征提取算法总结

特征点检测学习_surf算法