原理如下:首先两张图要配准(可以姑且理解为对准),然后做减法就可以得到两张图不同的地方。题主可以先从图像配准开始学习。
关于编程语言和工具:在C/C++下的图像处理库OpenCV是很强的的工具,Matlab下用图形处理工具箱也很方便。总之,题主要学的还有很多,不是那么简单的。
谷歌人工智能写作项目:神经网络伪原创
SIM=StructuralSIMilarity(结构相似性),这是一种用来评测图像质量的一种方法文案狗。
由于人类视觉很容易从图像中抽取出结构信息,因此计算两幅图像结构信息的相似性就可以用来作为一种检测图像质量的好坏.首先结构信息不应该受到照明的影响,因此在计算结构信息时需要去掉亮度信息,即需要减掉图像的均值;其次结构信息不应该受到图像对比度的影响,因此计算结构信息时需要归一化图像的方差;最后我们就可以对图像求取结构信息了,通常我们可以简单地计算一下这两幅处理后的图像的相关系数.然而图像质量的好坏也受到亮度信息和对比度信息的制约,因此在计算图像质量好坏时,在考虑结构信息的同时也需要考虑这两者的影响.通常使用的计算方法如下,其中C1,C2,C3用来增加计算结果的稳定性:2u(x)u(y)+C1L(X,Y)=------------------------,u(x),u(y)为图像的均值u(x)^2+u(y)^2+C12d(x)d(y)+C2C(X,Y)=------------------------,d(x),d(y)为图像的方差d(x)^2+d(y)^2+C2d(x,y)+C3S(X,Y)=----------------------,d(x,y)为图像x,y的协方差d(x)d(y)+C3而图像质量Q=[L(X,Y)^a]x[C(X,Y)^b]x[S(X,Y)^c],其中a,b,c分别用来控制三个要素的重要性,为了计算方便可以均选择为1,C1,C2,C3为比较小的数值,通常C1=(K1xL)^2,C2=(K2xL)^2,C3=C2/2,K1。
。
这种以图搜图可以用感知哈希算法