我写这个题目，是为了吸引你进来，如果你进来了，ok太好了，:)，不过应该不会失望
其实这个项目也是我自己想的，觉得还挺有意思，有缘指数，并没有一个确切的定义，于是我把两个人的相似指数定义为有缘指数，那么也不算骗你进来了。
在上篇**中
https://bbs.21ic.com/forum.php?mo ... peid%26typeid%3D350
我写了sobel滤波的原理和实现。通过图像与模板的卷积来实现，模板是微分运算的简化形式。
那么我们便可以实现很多不同的花样，应为最后都可以化为模板卷积的形式
具体可以看看效果
https://bbs.21ic.com/icview-1242440-1-1.html
在我原本的计划中，我是想实现一个基本的ps，在469上拥有基本的ps功能，应该说滤镜图片处理功能。
但是有一些算法过于复杂，时间的消耗上，更多的是469的内存上不足以让我实现，也就暂时放弃了，以后可能会尽量实现出来
扯了辣么多，还没有到正题，今天的主题是有缘指数
如果做的更远一点就是配对指数，在人群中寻找跟你更有缘的人，pc上搭建服务器，469访问。
不过先做最简单的办，判断两个是否有缘（相似）。
按照正常的步骤，需要首先对 图片进行人脸检测，取出图片的背景部分，但是受制于内存，哪怕实现adaboost也不是那么容易，而且也偏离了主题，也想过用最最简单的颜色空间的方式检测人脸，效率不高，计算也蛮复杂，469主频又不算高，想了想，省掉这一步吧，主要是懒，哈哈。
有缘指纹检测
图片那么大，像素个数辣么多，不可能按照捉个捉个像素的方式来比较，因此需要对图片进行降维，提取出能够代码图片的少量数据，可能pca是最常见的方法，公式很多，很数学，但是要在单片机上实现，悬
因此我找到一种更简单的方式，hash指纹
更复杂的原理，我就省略了，可参考一下博文【1】【2】【3】，
为了一切从简，我选中了基于低频的均值哈希
对于一种图片而言，可看成f(x,y)二维函数，包含了不同成分的频率，变化剧烈的高频分量，变化平滑的低频分量。高频描述了图片的细节，低频可以得到图片的整体样式。
而刚好，图片的整体框架便可以得到利用，就像平时我们去观察某个东西，可能会说，虽然细节不像，但整体看起来还挺像的。
对图片进行下采样，即缩小图像，就是损失高频细节，提取低频框架的过程。
于是通过以下步骤，便得到64bit的hash指纹
1、缩小图像尺寸
将图像缩放到8*8，不仅减少了数据量而且去除了高频成分，留下低频分量，并且相当于将不同尺度的图片归一化到同一尺寸，减少图片大小的影响一举多得。
2、转成gray图像
彩色图像不仅数据量大，而且也没有必要。
3、计算灰度平均值
将图片8*8 共64个像素求和，然后求平均
4、比较灰度大小
对每一个像素，如果灰度值大于平均值，记为1，否则为0.事实上这里可以实现不同的加权系数，比如高斯加权等等。
5、得出hash指纹
上一步，经过比较后，可以得到1,1,0,0,1.。。。。。。将64个1,0的数组合成一个64bit的整数，这就是图片的表示了，hash指纹。如何对指纹进行组合并不重要，因为我们并不需要也不会去比较这个数的大小，只是比较其中1,0的个数差异。当然了，对不同图片的次数必须保持一致。
6、比较两张图片的hash指纹
char bitdif=bitcount（hashA^hashb），bitcouont是一个计算1的个数的函数。
7、计算相似度
相似度的评价函数，则可以灵活的自定义了，最简单的莫过于，bitdif/64;
如果用1-G(bitdif)，可能会好一些，其中G(x)为高斯函数
8、显示结果
将上一步计算得到的结果显示在tft上。
|
楼主
标题置顶
标题高亮
