Question

我们有一个图像数据库，我使用Dr. Neal Krawetz's method实现的David Oftedal计算了PHASH。

部分示例代码计算这些长度之间的差异：

ulong hash1 = AverageHash(theImage);
ulong hash2 = AverageHash(theOtherImage);

uint BitCount(ulong theNumber)
{
    uint count = 0;
    for (; theNumber > 0; theNumber >>= 8) {
        count += bitCounts[(theNumber & 0xFF)];
    }
    return count;
}

Console.WriteLine("Similarity: " + ((64 - BitCount(hash1 ^ hash2)) * 100.0) / 64.0 + "%");

挑战在于我只知道其中一个哈希值，并且我想查询SOLR以找到相似顺序的其他哈希值。

一些注意事项：

在这里使用SOLR（只有我的选择是HBASE）
想避免在solr中安装任何自定义java（很高兴安装现有的插件）
很高兴在C＃中进行大量预处理
很高兴使用多个字段将数据存储为位字符串，long等等
将SOLRNet用作客户端

编辑，一些额外的信息（道歉我陷入了问题并开始假设它是一个广为人知的领域）。这是直接下载到C＃控制台/示例应用程序：http://01101001.net/Imghash.zip

此控制台应用的示例输出为：

004143737f7f7f7f phash-test-001.jpg
0041417f7f7f7f7f phash-test-002.jpg
相似度：95.3125％

Answer 1

你可以使用Solr's Fuzzy Search，你必须在页面上向下滚动一下。

Solr的标准查询解析器支持基于Levenshtein距离或编辑距离算法的模糊搜索。模糊搜索发现类似于指定术语的术语，而不一定是完全匹配。要执行模糊搜索，请在单个词的末尾使用波浪号〜符号。

假设您有一个如下所示的架构，此字段phash包含您已计算的相位。

<fields>
    <!-- ... all your other fields ... -->
    <field name="phash" type="string" indexed="true" stored="true" />
</fields>

您可以执行类似

的查询

q=phash:004143737f7f7f7f~0.8&
fl=score,phash

这将返回具有Levenshtein Distance or Edit Distance至少80％的PHASH的所有文档。您不会得到您在问题中给出的95.3125％，但是计算匹配/不匹配字符的87.5％。

如果要查看该值，可以执行以下查询

q=phash:004143737f7f7f7f~0.8&
fl=score,phash,strdist("0041417f7f7f7f7f", phash, edit)

这是function call to fetch the String Distance使用Levenstein或编辑距离，会提供类似于

的结果

+----------------+---------------------------------------+
|hash            |strdist("0041417f7f7f7f7f", hash, edit)|
+----------------+---------------------------------------+
|0041417f7f7f7f7f|1.0                                    |
+----------------+---------------------------------------+
|004143737f7f7f7f|0.875                                  |
+----------------+---------------------------------------+

当你想减少95.3125%和87,5%之间的差距时，你应该考虑将PHASH存储为不是十六进制值，而是以八进制存储。

使用SOLR计算两个ulongs之间的“相似性”/“bitcount”

1 个答案: