Question

我要求调用将颜色值的样本集与已知的值集匹配，以找到完全匹配或匹配在可接受的距离内。我不完全确定哪种算法最适合这个，我正在寻找建议。

我考虑使用SQL查询，因为我认为这将是一种简单的方法，但是，理想情况下，这将在应用程序服务器上内存或甚至在GPU上以最大速度完成。

示例：

假设我们给出了一组三个RGB颜色值，两个蓝色和一个橙色：

样本集：

颜色1：81,177,206（蓝色）

颜色2：36,70,224（蓝色）

颜色3：255,132,0（橙色）

这组3个颜色值必须与更大的颜色值集匹配，以查看该集合是否存在于其中，或者使用3种颜色中每种颜色的相同精确RGB值 - 或 - 如果存在任何模式颜色的RGB值以可接受的程度变化。假设任何RGB分量的值都可以高达或高于3位数。

假设我们要搜索的大量已知颜色值如下所示：

已知集：

            Color 1          Color 2       Color 3
Sample A: [25, 25, 25],    [10, 10, 10], [100, 100, 100] 

Sample B: [125, 125, 125], [10, 10, 10], [200, 200, 200] 

Sample C: [13, 87, 255],   [10, 10, 10], [100, 100, 100] 

Sample D: [67, 111, 0],    [10, 10, 10], [200, 200, 200] 

Sample E: [255, 255, 255], [10, 10, 10], [100, 100, 100]

鉴于这种情况，当我们针对它运行样本集时，我们会发现零匹配，因为没有任何已知颜色的颜色1接近我们的样本集值。但是，让我们为已知集添加另一种颜色，将返回正匹配：

Sample F: [81,177,206], [36, 70, 224], [255, 132, 0]

如果样本F在已知集合中存在这些值，我们将获得正面命中，因为它是我们的样本集中的颜色1的确切RGB值。此外，我们需要接受RGB值的不同程度的差异，因此以下也会返回正命中，因为每个RGB值都来自样本集的颜色1值的3位数：

积极点击 :(记住颜色1是：81,177,206）

样本F： 80 ，177,206（红色通道距离1位数）

样本F：81， 175 ， 204 （绿色和蓝色通道2位数）

样本F： 82,179,208 （3位数以外的所有三个频道）

但是，如果距离太远，则无法找到匹配项。任何RGB分量必须在3位数内才能触发正结果。因此，如果样本F看起来如下，我们不得到正面结果，因为距离太远：

否定点击：

样本F： 85 ，177,206（红色通道距离4位数）

样本F：81， 170 ，206（绿色通道距离7位数）

样本F：81,177， 200 （蓝色通道距离6位数）

到目前为止，我们刚刚从样本集中考虑了颜色1。但是，该要求要求考虑整个样品组。因此，如果没有找到颜色1的正匹配，那么我们假设根本没有匹配，并且不考虑样本集中的颜色2和3。

然而，如果我们找到Color 1的正面结果，让我们说80,177,206只是红色通道80对81的1位数，那么我们做继续处理Color 2，如果我们找到一个肯定的匹配，然后我们处理颜色3，依此类推。

您对最适合此问题的算法有何建议？我需要的东西可以让Known Set在没有太多性能影响的情况下进行扩展。大规模的已知集合中可能会有1M +样本。

我考虑过使用哈希表，每个颜色一个来构造已知集。所以我可以测试Color 1上的匹配，如果找到，测试颜色2的哈希表，并在找不到更多匹配时停止。如果我通过所有3种颜色/哈希表得到肯定的命中，那么我会有一个整体正面匹配，否则我不会。然而，该方法不允许每种颜色的每个RGB通道中所需的方差。会有太多的组合允许构造哈希表来保存它们。

提前致谢，感谢您阅读这篇文章！

Answer 1

保留一个已排序的列表。使用稳定排序对其进行三次排序，首先按B，然后按G，然后按R.按照RGB顺序对其进行排序。根据您的输入，使用二进制搜索找到第一个和最后一个可接受的R的索引。然后在该范围内搜索可接受的G，然后再搜索B的缩小范围。整件事应该是O（lgN）。

- 除非我遗漏了某些东西，否则这个解决方案会推广到匹配一组3种颜色，或10种颜色或k种颜色。在您的颜色集列表中生成索引数组。准备，如上所述稳定地对索引进行3 * k次排序。要搜索，请按相反的顺序进行3 * k二进制搜索。

（这假定颜色固定在列中。如果不是，你仍然可以使用这种方法，但你的索引列表会变成N * k大小：它需要一个A1，A2，A3的条目。结束添加一个检查，表明您已从每列中匹配一个。）

Answer 2

最后，在尝试使用SQL和GPU编程（Cudafy）之后，最快，最简单，最可调试的解决方案是使用Parallel.For（）简单地遍历数据。这种方法在18ms内处理了1.5M样本（总共90M字节）。

Answer 3

根据您在问题中的描述和评论中的对话，为什么不使用简单的存储过程和用户定义的类型？通过适当的索引，应该没有性能问题。假设您要比较的颜色集包含多组3种颜色，我可能会这样做：

CREATE TABLE KnownColorSets (
   KC_1_R tinyint NOT NULL,
   KC_1_G tinyint NOT NULL,
   KC_1_B tinyint NOT NULL,
   KC_2_R tinyint NOT NULL,
   KC_2_G tinyint NOT NULL,
   KC_2_B tinyint NOT NULL,
   KC_3_R tinyint NOT NULL,
   KC_3_G tinyint NOT NULL,
   KC_3_B tinyint NOT NULL
)

CREATE TYPE CompareColorSet As TABLE 
(
   CC_1_R tinyint NOT NULL,
   CC_1_G tinyint NOT NULL,
   CC_1_B tinyint NOT NULL,
   CC_2_R tinyint NOT NULL,
   CC_2_G tinyint NOT NULL,
   CC_2_B tinyint NOT NULL,
   CC_3_R tinyint NOT NULL,
   CC_3_G tinyint NOT NULL,
   CC_3_B tinyint NOT NULL
)



CREATE PROCEDURE stpCompareColorSets 
(
    @Exists bit output,
    @CompareColorSet dbo.CompareColorSet readonly
)
AS
  DECLARE @MaxDiviation tinyint = 3 -- This may be taken from a General params table or added as a parameter to the stored procedure
  SET @Exists = 0
  IF EXISTS (
    SELECT 1
    FROM KnownColorSets KC INNER JOIN
    @CompareColorSet CC ON(
      KC_1_R BETWEEN CC_1_R - @MaxDiviation AND CC_1_R - @MaxDiviation
      AND KC_1_G BETWEEN CC_1_G - @MaxDiviation AND CC_1_G - @MaxDiviation
      AND KC_1_B BETWEEN CC_1_B - @MaxDiviation AND CC_1_B - @MaxDiviation

      AND KC_2_R BETWEEN CC_2_R - @MaxDiviation AND CC_2_R - @MaxDiviation
      AND KC_2_G BETWEEN CC_2_G - @MaxDiviation AND CC_2_G - @MaxDiviation
      AND KC_2_B BETWEEN CC_2_B - @MaxDiviation AND CC_2_B - @MaxDiviation

      AND KC_3_R BETWEEN CC_3_R - @MaxDiviation AND CC_3_R - @MaxDiviation
      AND KC_3_G BETWEEN CC_3_G - @MaxDiviation AND CC_3_G - @MaxDiviation
      AND KC_3_B BETWEEN CC_3_B - @MaxDiviation AND CC_3_B - @MaxDiviation
    )
  ) 
  SET @Exists = 1

建议一种针对大型已知集的颜色模式匹配的算法

3 个答案: