最近由於工作的關係，學習了一些關於圖片識別的知識，併成功用於解決實際問題當中，特此一一記錄下來，以備後用，同時希望對大家有用。
場景
企業端用戶在註冊時，會上傳一下公司的Logo。上傳的步驟是：選擇本地Logo圖片，點上傳，圖片被上傳至公司圖片服務器（此時這張圖片有了一個id：id_a）；由於用戶的圖片尺寸不一定適合網頁的展示，因此要用戶做一下截取並保存（此時這張圖片有了新的id：id_b），圖片服務器會根據這張圖片，縮略爲大中小等多個長圖以適用不同場景的頁面展示使用。數據庫裏把id_b這個圖上id保存下來了。由於業務現在需要一張方圖，這就需要把原來的圖id_a找到重新截取了。
下圖是QQ上傳頭像的場景，非常類似。
分析
之前從來沒有接觸過圖片識別的課題，如何在短時間內找到解決方案呢？
試想一下，用戶上傳logo，會不會像上圖QQ頭像一樣，把一張完整的圖片，截去一半字呢？當然不會！這是一個非常有用的前提，後面學習算法以後，會知道很多圖片比較算法，都是對整張圖的，有了這個假設以後，就可以通過將圖片的留白截去，轉變爲整圖的對比，從而簡化問題。要知道業界頂級的以圖搜圖公司，谷歌、百度也不能100%找到你想要的圖片。
其次，在數以千萬計圖片中，找到某一張圖片，順序查找肯定是不行的，舉個例子，假如有1千萬張圖片，需要查找的Logo有10萬，就需要10^12次比較，假設每次比較10ms，則一共需要10^13ms，這是多久呢？不直觀，317年。天啊，那時早就見佛祖了。這肯定是不行的，比須想辦法減少比較次數，雖然到目前爲止，我還沒有學習任何圖片比較算法，但是必須要有這個心理準備。
接下來就從這兩方面來解決問題吧！
調研
接下來我們從兩方面來調研方案，分別在圖片比較和提高查詢速度兩方面：
會涉及到3種哈希算法：均值哈希算法，感知哈希算法，差異哈希算法。
哈希值比較：漢明距離。
海量數據查詢：提高漢明距離海量查詢性能的方法。