我想将图像与一组超过1000张图像进行比较。我正在生成一个照片马赛克。
到目前为止我做了什么：
我使用LAB颜色模型获取每个图像的L A B值，并将此值存储在KD树中。 这是具有L A * B *值的三维树。然后我计算图像中每个网格的LAB值，我必须生成照片马赛克。我使用最近邻算法和欧几里德距离度量来找到最佳匹配。
我得到了一个好结果，但我希望改善我的结果。我读了关于SIFT的图像比较，它看起来很有趣，我将来会实现它。现在，你们可以建议我可以比较的任何其他功能，如亮度，背景颜色，或者可能是另一个比欧几里得更好的距离指标？
答案 0 :(得分：2)
来自SIFT的公寓，另一个使用的功能是通过Earth Movers的距离比较颜色直方图。您可以查看以下文件：
The earth mover's distance as a metric for image retrieval
此外，与SIFT更相似的是图像的GIST，它用于“语义”（或多或少）检索：
Building the gist of a scene: the role of global image
features in recognition
例如，在使用数百万张照片进行场景完成的论文中使用了它：
Scene Completion Using Millions of Photographs
您还可以调整使用SIFT进行图像变形的方法（例如SIFT Flow: Dense Correspondence across Scenes and its Applications）来导出图像比较的度量。通常情况下，标准的SIFT匹配效果不佳，而且您的结果指标也不是很好：能够进行良好匹配会使事情变得更好。
简而言之，正如评论所说，这取决于你想要比较和实现的目标（你的意思是“好”）：你想匹配颜色（直方图）吗？结构（SIFT）？语义学（GIST）？或者......？