W彩票平台注册

首页 » 科技之窗 » 图像处理 » 计算两张黑白图片的相似度及代码优化

计算两张黑白图片的相似度及代码优化
作者:管理员  来源:本站原创   2016-10-25

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);

}

» 上一篇:基于感知哈希算法的快速图像相似度比对Neal Krawetz
« 下一篇:简单图像相似度算法的实现及测评(含代码)
W彩票平台注册

综合管理部 010-84924375

组织工作与会员服务部 010-84924385

学术交流、国际合作与科技咨询部 010-84924387

扫一扫关注我们

W彩票平台注册 2016 版权所有