你们知道任何可用于计算图像之间差异的算法吗？
以该网页为例http://tineye.com/，您给它提供了链接或上载图像，它会找到相似的图像。我怀疑它是否会将相关图像与所有图像进行比较（或者确实如此）。
通过计算，我的意思是像Levenshtein_distance或Hamming距离对于字符串而言。
我绝对不需要为项目或其他任何事情提供正确的答案，我只是找到了网站，对此感到非常好奇。我知道digg为其网站提供类似服务。
最简单的措施将是基于RMS误差的方法，例如：
这些可能与您的距离量度概念融为一体，但是只有当您已经有两个非常接近的图像时（例如，如果您正在查看特定压缩方案对原始图像的保留程度如何），它们的结果才真正有意义。而且，根据存在的伪像，两种比较的相同结果可能意味着很多不同的东西（请看下面我引用的论文，其中一些示例RMS / PSNR的照片可能会误导人）。
除此之外，还有一个专门研究图像相似性的研究领域。我不是专家，但是这里有几点建议：
使用降维（PCA，SVD，特征值分析等）来挑选图像的主要成分并在不同图像之间进行比较的工作已经很多。
其他方法（尤其是医学成像）使用分割技术来挑选图像的重要部分，然后根据发现的内容对图像进行比较
还有其他人试图设计出相似性度量方法来解决RMS误差和PSNR的某些缺陷。关于空间域结构相似性（SSIM）度量的论文很不错，它试图模仿人们对图像误差的理解，而不是直接的数学误差概念。同样的人使用做了改进的平移/旋转不变的版本小波分析在本文的WSSIM。
看起来TinEye会使用具有 许多 属性值的特征向量来进行比较。如果您在他们的网站上四处寻找，最终会进入IdeéLabs页面，他们的FAQ在算法上有一些（但不是太多）细节：
问：视觉搜索如何工作？
答：Idée的视觉搜索技术使用复杂的算法来分析数百种图像属性，例如颜色，形状，纹理，亮度，复杂性，对象和区域，这些属性形成了一个紧凑的数字签名，用于描述每个图像的外观以及这些签名。由我们的软件计算并编制索引。 在执行视觉搜索时，我们的搜索引擎会快速比较这些签名，以返回视觉相似的结果。
这绝不是详尽无遗的（这只是我在自己的研究过程中遇到的几种技术），但是，如果您通过Google搜索技术论文或浏览有关图像处理的最新会议记录，您一定会发现这些东西的更多方法。这不是一个解决的问题，但是希望这些指针能使您对所涉及的问题有所了解。
