以圖搜圖，查找類似圖片
點擊搜圖，上傳圖片，會找出與之相似的圖片（google搜圖，百度搜圖），圖片相似度越高就越排在前面。
根據Neal Krawetz博士的解釋，實現相似圖片搜索的關鍵技術叫做“感知哈希算法”(Perceptualhash algorithm)，它的作用是對每張圖片生成一個“指紋”（fingerprint）字符串，然後比較不同圖片的指紋，結果越相近，就說明圖片越相似。
從網上看到一個簡單的java實現，如下：
首先，預處理：讀取圖片
第一步，縮小尺寸
將圖片縮小到8x8的尺寸，總共64個像素。這一步的作用是去除圖片的細節，只保留結構、明暗信息等基本信息，摒棄不同尺寸、比例帶來的圖片差異。
第二步，簡化色彩
將縮小後的圖片，轉爲64級灰度。也就是說，所有像素點總共只有64種顏色。
第三步，計算平均值
計算所有64個像素的灰度平均值。
第四步，比較像素的灰度。
將每個像素的灰度，與平均值進行比較。大於或等於平均值，記爲1；小於平均值，記爲0.
第五步，計算哈希值。
將上一步的比較結果，組合在一起，就構成了一個64位的整數，這就是這張圖片的指紋。組合的次序並不重要，只要保證所有圖片都採用同樣的次序就行了。
得到指紋後，就可以對比不同的圖片，看看64位中有多少位是不一樣的。在理論上，這等同於計算“漢明距離”(Hammingdistance)。如果不相同的數據位不超過5，就說明兩張圖片很相似；如果大於10，就說明這是兩張不同的圖片。可以將幾張圖放在一起，也計算出其漢明距離對比，就可以看看兩張圖片是否相似。
該算法的優點：快速簡單，不受圖片大小縮放的影響，缺點是圖片的內容不能變更。如果在圖片上加幾個文字，它就認不出來。所以，其最佳用途是根據縮略圖，找出原圖。
實際中，往往採用更強大的pHash算法和SIFT算法，他們能夠識別圖片的變形。只要變形程度不超過25%，他們就能匹配原圖。這些算法雖然更復雜，但是原理與上面的簡便算法是一樣的，就是先將圖片轉化成Hash字符串，然後進行比較。