Google 的图像颜色搜索是如何工作的？

Question

假设我查询

http://images.google.com.sg/images?q=sky&imgcolor=black

我得到了所有黑色的天空，背后的算法实际上是如何工作的？

Answer 1

基于 这张纸 由 Google 工程师 Henry Rowley、Shumeet Baluja 和 Dr.Yushi Jing，您关于识别图像中的颜色的问题似乎最重要的含义与谷歌的“saferank”算法有关，该算法可以检测周围没有任何文字的肤色。

本文首先描述了“经典”方法，这些方法通常基于标准化颜色亮度，然后使用“高斯分布，”或使用以像素为单位的 RGB 值构建的三维直方图（每种颜色是 0-255 之间的 8 位整数值，表示 .该颜色包含在像素中）。还引入了依赖于“亮度”（通常错误地称为“光度”）等属性的方法，“亮度”是给定图像的肉眼发光强度的密度。

谷歌论文提到，他们需要用他们的算法处理大约 10^9 个图像，因此需要尽可能高效。为了实现这一目标，他们在 ROI（感兴趣区域）上执行大部分计算，ROI 是一个以图像为中心的矩形，并在所有边上插入图像尺寸的 1/6。一旦确定了 ROI，他们就会采用许多不同的算法应用于图像，包括人脸检测算法、颜色恒定算法等，总的来说， 统计趋势 在图像的色彩上，最重要的是 找出统计分布中出现频率最高的色调。

它们使用其他功能（例如 熵 、边缘检测和纹理定义）来 为了从图像中提取线条，他们使用在肤色连接组件的边缘计算的概率Hough变换（Kiryati et al.， 1991）的OpenCV实现（Bradski，2000），这允许 他们找到直线 这些颜色可能不是身体部位，而且还可以让他们更好地确定图像中哪些颜色最重要，这是图像颜色搜索的关键因素。

有关该主题的更多技术细节，包括数学方程等，请阅读开头链接的谷歌论文，并查看其网站的研究部分。

非常有趣的问题和主题！

Answer 2

图片只是像素。像素仅仅是RGB值。我们知道黑色是RGB，所以我们可以寻找它的图像。

Answer 3

那么，一个方法是，在非常基本的术语：

鉴于图像的语料库，确定高浓度给定颜色的范围（这实际上是相当微不足道的），存储该数据，索引相应（指数根据来自前一步骤确定的颜色的图像）。现在，你有基本相同的排序为查找包含特定单词的文档的事情。

这是一种可能的方法的一个非常，非常基本描述。

Answer 4

从图像中提取颜色的方法有很多种，我认为其他答案也解决了这些问题（K 均值、分布等）。

假设您已经提取了颜色，有几种方法可以按颜色搜索。一种缓慢但明显的方法是使用某种度量（例如，搜索颜色和图像的主颜色）计算搜索颜色和图像主颜色之间的距离。 色差），然后根据“接近度”对结果进行加权。

另一种更快的方法是从本质上降低色彩空间的分辨率。不要像 Google 那样处理所有可能的 RGB 颜色值，而是将提取限制在较小的范围内（仅蓝色、绿色、黑色、黄色等）。然后，用户可以使用有限的一组颜色样本进行搜索，并且计算颜色距离变得微不足道。