首页图像处理[初级]计算两张黑白图片的相似度及代码优化站长QQ:926563750

浏览

0

回复

[初级]计算两张黑白图片的相似度及代码优化

作者:admin | 分类:图像处理 | 标签:相似度 优化 

如果有两张分辨率为32x32的黑白图片,要计算这两张图片的相似度该怎么办?

根据这篇文章《数学之美 系列 12 - 余弦定理和新闻的分类》的介绍,我们只需要计算一下两个1024位(32x32=1024)的向量之间的夹角的余弦即可,结果越接近于1,相似度就越高。

好了,理论基础有了,下面说怎么存储我们的向量。

因为图片上只有两种颜色,所以用1位二进制足以表示。那就认为白色的点为0,黑色的点为1。这样,我们每一张图片就可以放在32个32位整数里,每行用一个整数表示,既节省了空间,又降低了操作时的复杂度。

接下来说如何计算。

如果老老实实的按照以下公式进行计算,我们需要取出整数中相应位的值,然后相乘或者分别平方,显然这种方法很浪费时间。

我们来看看有没有什么简便方法。

因为我们只有0或者1两种值,所以,分子中的相应位分别相乘,就可以转化为相应位进行与运算,又因为我们使用了整型存储,所以计算进一步简化为两个整数按位与。

而分母中的按位分别平方然后相加,就可以省掉平方的操作,直接按位相加了。

因此,整个程序的操作过程就可以按照如下步骤进行:

1.将每张图片按像素存放到一个长度为32的32位整型数组里面,每个整数存放一行,整数的每位存放一个像素值(0或者1);

2.计算分子时,将两个这样的数组中的整数按照对应的索引分别按位与,然后将计算结果按位相加;

3.计算分母时,将每个数组中的所有整数按位相加,然后开根号,最后相乘;

4.分子除以分母,得出余弦值。

 

第2、3、4步的代码如下:

 

复制代码
public double GetCosine(int[] e1, int[] e2)
{
    
int a = 0;//分母1
    int b = 0;//分母2
    int c = 0;//分子
    for (int y = 0; y < 32++y)
    {
        
//两个数组中的整数按位与
        int i = e2[y] & e1[y];
        
//按位加
        for (int x = 1; x < 33++x)
        {
            c 
+= (i >> x) & 1;
            a 
+= (e2[y] >> x) & 1;
            b 
+= (e1[y] >> x) & 1;
        }
    }

    
//计算分母
    int d = a * b;

    
return d == 0 ? 0 : c / Math.Sqrt(d);
}
复制代码

 

 

如果看到了这里,你已经知道了我们该如何计算两个图片的相似度,按我的经验,计算结果超过0.8,就可以认为这两个图片一样了。

如果把这里的图片换成验证码,而你碰巧已经知道其中一个验证码的值,那么另外一个验证码的值你现在也知道了。

zz:http://www.cnblogs.com/mobydick/archive/2010/01/20/1652204.html

本文链接:http://cvchina.net/post/40.html
原创文章如转载请注明:转载自计算机视觉网-AI技术供需平台-计算机视觉论坛谢谢!

发表评论:

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。