Google新推出了图片搜索，可直接上传图片（或者用图片链接）搜索网络上的相似图片，例子。估计还没多少人意识到，这玩意儿是人肉搜索的大杀器，以后大家还是少上传私人照片到公开网络。

阮一峰介绍了一个简单的图片搜索原理，可分为下面几步：

1. 缩小尺寸。将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。
2. 简化色彩。将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。
3. 计算平均值。计算所有64个像素的灰度平均值。
4. 比较像素的灰度。将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。
5. 计算哈希值。将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。

这种方法对于寻找一模一样的图片是有效的，但并不能够去搜索“相似”的照片，也不能局部搜索，比如从一个人的单人照找到这个人与别人的合影。这些Google Images都能做到。

Google的算法，其官方描述为：

When you upload an image to Search by Image, the algorithms analyze the content of the image and break it down into smaller pieces called “features”. These features try to capture specific, distinct characteristics of the image - like textures, colors, and shapes. Features and their geometric configuration represent the computer’s understanding of what the image looks like.

大意是说在Google眼里，图片并不是一个由像素点构成点阵，而是一些“features"，包括形状、质地和颜色块。图片之间的比较，是直接去比较图片里的线条等。官方文档里有一个视频（在Youtube上）动态地描述了计算机是如何看图片的。

早在2008年，Google公布了一篇图片搜索的论文（PDF版），和文本搜索的思路是一样的：

• 对于每张图片，抽取其特征。这和文本搜索对于网页进行分词类似。
• 对于两张图片，其相关性定义为其特征的相似度。这和文本搜索里的文本相关性也是差不多的。
• 图片一样有image rank。文本搜索中的page rank依靠文本之间的超链接。图片之间并不存在这样的超链接，image rank主要依靠图片之间的相似性（两张图片相似，便认为它们之间存在超链接）。具有更多相似图片的图片，其image rank更高一些。

© zhiqiang for 阅微堂, 2011. | 链接 | 10 条评论

WordPress自带了站内搜索，可是搜索结果很不令人满意。它的搜索是通过MYSQL查询得来的，所以首先它无法分词和切词，对于中文搜索效果尤其差。其次它无法在搜索结果中高亮度和重点显示搜索关键词相关内容，而是显示一堆乱七八糟的东西。但用上Google Web API构建的站内搜索后，一切都迎刃而解。

Google Web API的功能不限于搜索，它还可以读Google Cache，单词纠错等。不过我目前只用了它的搜索功能。主要参考了通过php调用Google API和Google Web API: PHP implementation这两篇文章。PHP的SOAP类下载于PEAR。另外鄙视一下PEAR上的文档结构，包里面的文件都不全，每下载一个文件，运行就告诉我还缺少另一个补充文件。最后我只好去搜索关键词，一个文件一个文件把它们补齐。这种工作对我这种业余人士太耗费时间了。

网络的乐趣在于共享，所以提供下载。下载后放在blog的根目录下。search.php的前几行可能需要重新配置:

$num = 10; // 每次查询显示的结果数量
$key = 'Enter your google license key';  // Google API key，去http://www.google.com/apis/申请
$navi_num = 7; // 导航页面的页面数量

© zhiqiang for 阅微堂, 2006. | 链接 | 23 条评论