我想将一张图片与一组 1000 多张图片进行比较。我正在生成照片马赛克。
到目前为止我做了什么：
我正在使用 LAB 颜色模型来获取每个图像的 LAB 值，并将该值存储在 KD 树中。这是具有 LA* B* 值的 3 维树。然后我计算图像中每个网格的 LAB 值，我必须为其生成照片马赛克。我使用最近邻算法和欧几里得距离度量来找到最佳匹配。
我取得了不错的成绩，但我想提高成绩。我读过关于 SIFT 的图像比较，它看起来很有趣，我将在未来实现它。现在你们能建议我可以比较的任何其他特征，比如亮度、背景颜色，或者可能是另一个比欧几里得更好的距离度量吗？
来自 SIFT 的 Appart 已使用的另一个功能是通过 Earth Mover 距离比较颜色直方图。您可以查看以下论文：
将推土机的距离作为图像检索的度量
此外，与 SIFT 更相似的是图像的 GIST，它已用于“语义”（或多或少）检索：
构建场景的要点：全局图像特征在识别
中的作用，例如已用于使用数百万张照片完成场景的论文：使用数百万张照片
完成场景
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）以获得图像比较的度量。通常，标准的 SIFT 匹配表现不佳，您的结果指标也不是很好：能够进行良好的匹配会使事情变得更好。
简而言之，正如评论所说，这取决于您要比较和实现的目标（“好”是什么意思）：您要匹配颜色（直方图）吗？结构 (SIFT) ? 语义学（GIST）？要不然 ...？