对于我的学校项目，我需要在大型数据集中查找图像。我正在使用 python 和 opencv。到目前为止，我已经设法在数据集中找到了一个图像的完全匹配，但是即使我有 20 个图像用于测试代码，这也需要很长时间。所以，我搜索了几页谷歌，并尝试了这些页面上的代码
另外，我一直在考虑搜索散列数据集，保存它们的路径，然后找到其中最好的特征匹配图像。但大多数时候，我缩小的工作区域与我的查询图像有很大不同。
图像散列真的很棒。它看起来像我需要的，但有一个问题：我需要找到完全匹配的照片，而不是相似的照片。所以，我问你们，如果您有任何建议或一段代码可能有助于或改进我链接的参考代码，您可以与我分享吗？我很乐意尝试或研究你们发送或建议的内容。
opencv 可能是错误的工具。那里的算法旨在寻找相似的匹配，而不是精确的匹配。一般的想法是使用机器学习来教代码识别汽车的外观，以便它可以检测视频中的汽车，即使颜色或形状发生变化（在阴影中驾驶、不同品牌等）。
在尝试构建图像数据库时，我发现有两种方法效果很好。
使用像 SHA-256 这样的普通哈希算法加上一些元数据（文件或图像大小）来查找匹配项
将图像缩小到 4x4 甚至 2x2。使用像素 RGB 值作为“散列”。
第一种方法是将图像缩小为一个数字。然后，您可以将数字放入查找表中。搜索图像时，将相同的散列算法应用于您要查找的图像。使用新号码查看表格。如果它在那里，你有一个匹配。
注意：在所有情况下，散列可以为不同的图片产生相同的数字。所以你必须比较两张图片的所有像素，以确保它真的完全匹配。这就是为什么有时添加图片大小（以像素为单位，而不是以字节为单位的文件大小）之类的信息会有所帮助。
第二种方法允许找到与眼睛非常相似但实际上略有不同的图片。想象一下裁剪左侧的单个像素列或将图像倾斜 0.01°。对您来说，图像将是相同的，但对于计算机，它们将完全不同。第二种方法试图平均小的变化。这里的代价是你会得到更多的碰撞，特别是对于黑白图片。