Co je to vyhledávání obrázků naopak?

Reverse image search je technologie, která umožňuje uživatelům vyhledávat informace pomocí obrázku jako dotazu místo textu. Na rozdíl od tradičních vyhledávání založených na klíčových slovech, reverse image search zpracovává vizuální obsah, aby našel shody, získal metadata nebo poskytl kontext o obrázku.

Tato metoda se stala nezbytnou pro úkoly, jako je identifikace původu obrázku, ověřování jeho pravosti, objevování podobného obsahu a detekce neoprávněného použití chráněného materiálu. Vyhledávání obrázků na základě reverzního vyhledávání se široce používá v různých oborech, včetně e-commerce, žurnalistiky, digitální forenziky a dalších.

Jak funguje vyhledávání obrázků na základě obrázku?

V jádru vyhledávání obrázků na základě obsahu leží klíčová technologie zvaná percepční hashování. Tento přístup generuje jedinečný otisk prstu pro každý obrázek, který je poté srovnáván s otisky prstů dalších obrázků, aby se zjistily podobnosti. Zde je, jak percepční hashování funguje ve vyhledávání obrázků na základě obsahu:

  1. Zpracování obrazu: Před generováním hash je obraz zpracován, aby se odstranily zbytečné detaily a standardizoval jeho formát. To obvykle zahrnuje změnu velikosti obrazu na menší pevnou velikost a převod na odstíny šedi. To zajišťuje, že proces hashování je konzistentní napříč všemi obrazy.

  2. Extrakce vlastností: Místo analýzy každého jednotlivého pixelu se percipiální hashování zaměřuje na vysoceúrovňové vlastnosti obrazu, jako je jeho celková struktura, vzory a barevná distribuce. Tyto vlastnosti jsou shrnuty do menšího zastoupení, které zachycuje esenci obrazu a zároveň ignoruje drobné variace, jako jsou kompresní artefakty nebo mírné oříznutí.

  3. Generování hashe: Hash je řetězec pevné délky nebo binární sekvence, která představuje charakteristiky obrazu. Percepční hashe jsou speciálně navrženy tak, aby zajistily, že vizuálně podobné obrazy produkují téměř identické hashe, i když byly obrazy mírně upraveny (např. změněna velikost, otočení nebo komprese).

  4. Porovnávání hashů: Jakmile je hash pro dotazovaný obraz vygenerován, je porovnán s hashi uloženými v databázi. Toto porovnání používá techniky, jako je Hammingova vzdálenost, která měří počet odlišných bitů mezi dvěma hashi. Menší rozdíl naznačuje vyšší podobnost mezi obrazy.

Zaměřením se na perceptuální charakteristiky tato metoda umožňuje vyhledávačům obrázků na bázi reverzního obrazu porovnávat nejen identické obrázky, ale také ty, které prošly drobnými úpravami. Perceptuální hashování je lehký, efektivní přístup, který činí reverzní vyhledávání obrázků praktickým i pro rozsáhlé datové soubory.

Implementace vyhledávání obrázků naopak s API GroupDocs.Search

API GroupDocs.Search nabízí všestranné a efektivní řešení pro implementaci schopností vyhledávání podle obrázků ve vašich aplikacích. Pomocí jeho funkcí indexování a vyhledávání obrázků můžete vytvořit systém pro lokalizaci obrázků uložených v dokumentech nebo samostatných souborech. Zde je podrobný návod jak nastavit vyhledávání podle obrázků pomocí API GroupDocs.Search.

Krok 1: Nastavení prostředí

Abychom začali, zahrňte knihovnu GroupDocs.Search do svého projektu. Můžete to provést instalací knihovny prostřednictvím NuGet pro .NET projekty. Stačí spustit následující příkaz v Konzole správce balíčků:

Install-Package GroupDocs.Search

Krok 2: Indexování obrázků

Aby bylo možné aktivovat vyhledávání na základě obrázků, musíte indexovat obrázky ze svých složek s dokumenty. GroupDocs.Search vám umožňuje indexovat samostatné obrázky (např. .png, .jpg) i obrázky vložené do dokumentových souborů nebo kontejnerových formátů, jako jsou .zip. Níže je příklad, jak vytvořit index a přidat dokumenty pro indexaci obrázků:

string indexFolder = @"C:\MyIndex";
string documentFolder = @"C:\MyDocuments";

// Creating an index
Index index = new Index(indexFolder);

// Setting the image indexing options
IndexingOptions indexingOptions = new IndexingOptions();
indexingOptions.ImageIndexingOptions.EnabledForContainerItemImages = true;
indexingOptions.ImageIndexingOptions.EnabledForEmbeddedImages = true;
indexingOptions.ImageIndexingOptions.EnabledForSeparateImages = true;

// Indexing documents in a document folder
index.Add(documentFolder, indexingOptions);

Zde jsou možnosti ImageIndexingOptions povoleny, aby bylo zajištěno, že všechny obrázky (ať už samostatné, zabudované nebo z kontejnerů) jsou indexovány. To činí reverzní vyhledávání obrázků komplexním.

Krok 3: Hledání souvisejících obrázků

Jakmile jsou obrázky indexovány, můžete hledat podobné obrázky tím, že poskytnete referenční obrázek jako dotaz. Přizpůsobte vyhledávání s ImageSearchOptions, abyste ovládali aspekty, jako je přijatelná úroveň podobnosti (HashDifferences), maximální počet výsledků k vrácení a konkrétní typy souborů, ve kterých se má hledat. Zde je, jak vypadá proces vyhledávání:

// Setting the image search options
ImageSearchOptions imageSearchOptions = new ImageSearchOptions();
imageSearchOptions.HashDifferences = 10;
imageSearchOptions.MaxResultCount = 100;
imageSearchOptions.SearchDocumentFilter =
    SearchDocumentFilter.CreateFileExtension(".zip", ".png", ".jpg");

// Creating a reference image for search
SearchImage searchImage = SearchImage.Create(@"C:\MyDocuments\image0.png");

// Searching in the index
ImageSearchResult result = index.Search(searchImage, imageSearchOptions);

Vyhledávací proces generuje hash pro referenční obrázek a porovnává ho s indexovanými obrázky. Parametr HashDifferences určuje práh pro podobnost – čím menší je hodnota, tím přísnější je shoda.

Krok 4: Zpracování výsledků vyhledávání

Objekt ImageSearchResult obsahuje všechny obrázky, které splňují kritéria vyhledávání. Můžete procházet výsledky a získávat informace o shodných obrázcích, včetně jejich umístění nebo metadat.

Console.WriteLine("Images found: " + result.ImageCount);
for (int i = 0; i < result.ImageCount; i++)
{
    FoundImageFrame image = result.GetFoundImage(i);
    Console.WriteLine(image.DocumentInfo.ToString());
}

Sample Output

Například, pokud je zpětné vyhledávání obrázků prováděno s dotazovaným obrázkem, mohou být získány následující výsledky:

Images found: 2
C:\MyDocuments\image0.png
C:\MyDocuments\image193.png

To znamená, že byly nalezeny dva shodné nebo podobné obrázky v indexovaných dokumentech: původní dotazovací obrázek (image0.png) a další výsledek (image193.png).

Krok 5: Doladění systému

Chcete-li optimalizovat svůj reverzní vyhledávání obrázků, můžete upravit možnosti, jako jsou:

  • Hash Differences: Nižší hodnoty zvyšují přesnost, ale mohou minout mírně pozměněné verze obrázku.
  • Filtry vyhledávání: Omezte vyhledávání na konkrétní typy souborů nebo formáty dokumentů.
  • Struktura indexu: Pravidelně aktualizujte index, aby zahrnoval nové obrázky nebo odstranil zastaralé soubory.

Závěr

Reverse image search je výkonná technologie s širokým spektrem aplikací v moderních průmyslech, od e-commerce po digitální forenziku. Využitím nástrojů jako je GroupDocs.Search API, mohou vývojáři snadno implementovat robustní systémy vyhledávání obrázků, které efektivně lokalizují a porovnávají vizuální data. S funkcemi jako je indexování obrázků, nastavitelné prahové hodnoty podobnosti a podpora pro vložené nebo samostatné obrázky, toto API zjednodušuje proces vytváření flexibilních a přesných řešení pro reverzní vyhledávání obrázků. Ať už se jedná o sledování duplicitních obrázků, ověřování autenticity nebo objevování souvisejícího obsahu, implementace této funkčnosti je cenným krokem k vylepšení

Podívejte se na tyto užitečné odkazy pro další podrobnosti a zdroje:

See Also