我们想知道图像是好还是坏。
我们有一组固定的检查来将图像分类为好的或坏的类别。
示例：
1. Background color.
2. Height X Width ratio.
3. No water marks.
一般来说，我们只想要好的图像。我们从网站上获取这些图像并执行操作以验证该网站的图像。
截至目前，我们访问该网站，尝试获取正常图像（例如，通过在所有页面中排除常见图像，来自电子商务网站的产品图像）。在使用搜索参数"site:website name"访问Google方面有一种替代方案，它可以减少我们识别图片的工作量。
我没有尝试/使用color histogram方法。
对于这个问题，更好的方法是什么？任何易于实施的研究论文（或像Mahout这样的开源库）也会很有用。
答案 0 :(得分：1)
图像处理方面最先进的图书馆（很多人认为，包括我自己）OpenCV。
它最初由英特尔开发，现在完全开源。
从Android到C和Python的大型语言面板都存在绑定。
它绝对可以在专业环境中使用，很多公司都会使用它。
它有几个直方图功能out of the box，整个库通常都经过了大量优化。
您还可以找到很多基于它构建的库，例如face recognition或pattern matching。
如果你想计算图像的数学参数，OpenCV肯定是一个很好的方法：）