python 以图搜图百度_基于opencv的图片检索（模仿百度的以图搜图功能）

曾经有一篇文章简单的介绍了CBIR(Content-based Image Retrieval)，详细内容猛戳基于内容的图像检索技(CBIR)术相术介绍。CBIR由于其应用的广泛性，特别是近年来，随着数码设备的迅猛普及，网络上的图片每天以几十亿级的速度猛增，而且对于一些摄影爱好者和自拍族来说，电脑和存储设备里更是有数不清的图片，如何从这么多图片中找到自己所需的图片是困惑很多人的难题。而CBIR正是这问题的一种一种很好的解决方式。

本文将介绍用Python和OpenCV创建一个简单的图片搜索引擎。

系统架构：

CBIR系统的构建主要包括：

1)定义图像描述符(图像特征提取)

这一阶段，需要决定描述图像的哪一方面。图像的可描述特征很多、包括颜色、形状、纹理、能量等，而颜色有分为很多种，如颜色直方图、颜色矩等。在这一阶段，我们选定要提取的颜色特征，根据应用的不同，选取的颜色特征可以是一种或多种。

2)索引化数据集(存储)

现在有了图像描述符，接着就是将这个图像描述符应用得到数据集中的每幅图像，提取这些图像的特征，将其存储起来(如CSV文件、RDBMS、Redis数据库中)，这样后续步骤就能使用以便比较。

3)定义相似矩阵

很好，现在有了许多特征向量。但如何比较这些特征向量呢？比较常用的流行的相似性度量方式有：欧几里德距离、余弦距离、或卡方距离、巴氏距离、闵式距离、相关性等。但实际中取决于两点：①、数据集；②、提取的特征类型。

4)检索

上面步骤都完成了，剩下的就是根据输入的图片，从图像库中检索相似的图像并返回了。用户会向系统提交一幅需要搜索的图片(例如从上传窗口或通过移动App提交)，而你的任务是：1、提取这幅图像的特征；2、使用相似度函数将这幅图像的特征与已经索引化的特征进行比较。这样，只需根据相似度函数的结果，返回相关的图像就可以了。

环境说明：

python3.6

opencv3

执行说明：

1、首先生成index检索文件：python index.py  -d   d:/picture/test/    -i   d:/picture/index.csv

2、接着就是搜索相似图片：python Search.py  -i d:/picture/index.csv   -q   d:/pic