自制图片搜索引擎(一）

      一般来说有三种模式的图片搜索引擎：基于元数据、基于例子和混合模式。

    基于元数据的搜索引擎是指手动为图片添加注释或标签，这种方式很少检测图像本身的内容，而是用相关的文本信息。

     基于例子搜索仅仅依赖于图像的内容，不需要提供关键字。引擎会分析、量化并存储图像，然后返回其他相关的图像。

     混合式图像搜索引擎可以同时基于图像和文本描述搜索。

    

      在构建图像搜索引擎时，首先要对数据集编列索引。索引化数据集是量化数据集的过程，即通过图像描述符（image descriptor，也称描述子）提取每幅图像的特征。

       构建CBIR系统的大致步骤可归纳为：

       

1. 定义图像描述符：在这一阶段，需要决定描述图像的哪一方面。是关注图像的颜色，还是图像中的物体形状，或是图像中的纹理？
2. 索引化数据集：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，等），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？流行的方式是比较欧几里德距离、余弦距离、或卡方距离。但实际中取决于两点：1、数据集；2、提取的特征类型。
4. 搜索：最后一步是进行实际的搜索。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。