基于灰度值的空间向量图像相似度算法源码！

gongquanlin

刚高考完这几天闲着没事，除了上班（站八个小时的大堂(⊙﹏⊙)b）就是写写代码什么的。昨天看到了超级模块里有一个找图源码（好像是超级模块），原理就是遍历图像中所有字节找到相匹配的区域，就是相似图片。这样比较精准，但是缺点也显而易见，如果遇到截图方式不同（调用的api层级不同）那在每台机器上截出来的图像数据可能不同，这个方式没有一点容错机制，所以还是有一定局限性的。然后今天花了几个小时，写了个这个小程序，可以判断相似度，有一定的容错性。

介绍一下原理：RGB图像通过公式转化为灰度图像，完成图像的灰度化，建立灰度直方图，通过两幅图像的灰度直方图，以4个灰度值为一组，建立64组数据，因为灰度直方图的定义域就是0~255，所以总共有256组数据，将所得的64组数据中的每4个数据，通过加权求和，得到64个数值，这些数值便是图像的“指纹”，将两组图像的指纹映射到64维空间，得到两组64维空间向量，通过空间夹角余弦公式得到两组图像的余弦值，将余弦值加一后除二，得到的小数乘100便是相似度。

这个程序的具体实现呢，大致分为三部分：1、将图像灰度化；2、将灰度化的图像建立直方图；3、将直方图映射到多维空间得到向量后计算夹角余弦值。

要想看懂这篇文章，最好还是先了解一下空间向量夹角余弦公式，因为易语言的开发者比较低龄化（个人认为^_^）

第一步图像灰度化与第二步建立灰度直方图
这个方式比较简单，就是利用画板，得到图像每个像素的RGB数据，转化为字节集，根据网上的灰度化计算公式，再将每个点的RGB都替换成灰度值，就ok了。代码（不好意思网慢，直接从源码里复制了）：
.版本 2
.计次循环首 (画板1.取图片宽度 (tp1), x)
    .计次循环首 (画板1.取图片高度 (tp1), y)
        处理事件 ()
        RGB ＝ 到字节集 (画板1.取点 (x, y))
        RGB_ [1] ＝ 到数值 (RGB [1])
        RGB_ [2] ＝ 到数值 (RGB [2])
        RGB_ [3] ＝ 到数值 (RGB [3])
        RGB_2 [1] ＝ RGB_ [1] × 0.3
        RGB_2 [2] ＝ RGB_ [1] × 0.59
        RGB_2 [3] ＝ RGB_ [1] × 0.11
        Gray1 ＝ 到整数 (RGB_2 [1] ＋ RGB_2 [2] ＋ RGB_2 [3])
        GRAY1SZ [Gray1 ＋ 1] ＝ GRAY1SZ [Gray1 ＋ 1] ＋ 1 ’在这里建立了灰度直方图
        处理事件 ()
        画板1.画点 (x, y, 取颜色值 (Gray1, Gray1, Gray1))
    .计次循环尾 ()
.计次循环尾 ()


可能有同学不明白什么是灰度直方图，灰度直方图就是遍历整个图像，得到每个像素的灰度值，因为灰度值的取值范围是0~255，所以从0开始到255每个灰度的强度上，每个灰度出现的频率（次数），做出的图称为灰度直方图。ps：刚高考完的小伙伴肯定非常熟悉直方图。

第三步，加权求和映射空间向量
得到直方图后，通过将这256个数分成64组，通过4个数组的加权求和算出64个数，具体代码：
.版本 2
.支持库 spec
.计次循环首 (64, rq)
    临时x ＝ rq × 4 － 3
    .计次循环首 (4, rq2)
        调试输出 (rq)
        调试输出 (rq × 4 ＋ rq2 － 4)
         result [1] [rq] ＝ result [1] [rq] ＋ GRAY1SZ [rq × 4 ＋ rq2 － 4]
         result [2] [rq] ＝ result [2] [rq] ＋ GRAY2SZ [rq × 4 ＋ rq2 － 4]
    .计次循环尾 ()
.计次循环尾 ()

这样result[1]和result[2]分别是图像1和图像2的64组数据加权求和后的“指纹”的数组。

下面将result[1]和result[2]当作一个64维的空间向量，根据空间向量夹角余弦公式（ps刚高考完的山东理科生非常熟，立体几何夹角余弦值秒杀公式，文科生可能不知道，因为文科生的考纲中没有空间坐标系……）不过不知道的小伙伴这里也给你们补充一下：
定义在直角坐标系xoy中有两个向量a，b（向量就是有方向和大小的值），定义a的坐标为（x1,y1）b的坐标为(x2,y2)那么向量a,b在空间坐标系中的夹角余弦值
cosθ=（x1x2+y1y2）/根号下（x1^2+y1^2）X根号下（x2^2+y2^2），而对于n维向量，这个公式仍然成立。那么对于64维向量（就是坐标从x,y,z……有64个描述这个点位置的量的向量）而言，利用这个公式就能求出夹角余弦值。而根据余弦图像（ps，依旧是刚高考完的同学很熟悉~每年数学第16题必考的三角函数）在0°~180°上每个点对应的函数值是唯一的，所以将得到的余弦值放到-1~1的区间上，所得到的便是在这个长度为2的区间上的这个点所占的长度。由此，将区间与得到的余弦值+1，再除2，再乘100%，便是图像的相似度。

具体算法

两图片相似度

由于之前没机会玩论坛，所以等级也不够，没办法回复可见附件，那就公开吧~还请各位多多好评啊~

另可能的话，给个精呗~

最后，个人过两天将根据这个源码写一个找图的源码，请期待~
图片相似度比较.rar (2.79 KB, 下载次数: 234)

2016-6-30 15:55 上传

点击文件名下载附件
具体算法实现

lhbxyc

哒哒哒哒哒哒多多多多

tianxi

比较的速度和正确率是关键

江南风飞扬

支持开源~！感谢分享

w839558403

顶一下..........................

346196247

看不懂精易BTSK2VN2

往兮

验证码算法是个快速白头的捷径，好期待啊。

1990343340

加权都出来了，你确定自己刚高考完毕？不过思路确实很棒，现在的高中生都这么叼了