我正在使用 OCR 输出，并且正在其中搜索特殊单词。

由于输出不干净，我根据低于特定阈值的字距查找与我的输入匹配的元素。

但是，我觉得 Levenshtein 距离或 Hamming 距离并不是最好的方法，因为 OCR 似乎总是犯同样的错误：I 代表 1，0 代表 O，Q 代表 O……而这些“经典”错误似乎例如，不如“A for K”重要。结果，这些距离不关心角色外观的差异量（低/高）。

是否有任何专门为 OCR 制作的字距算法，我可以使用它更适合我的情况？或者我应该根据字符的视觉差异经验性地实现我的自定义字距？

较早的帖子中有以下代码：

背后的原因是if len(num[item:]) > dist - 1什么？

我有一组 n (~1000000) 个字符串（DNA 序列）存储在一个列表 trans 中。我必须找到列表中所有序列的最小汉明距离。我实现了一个幼稚的蛮力算法，已经运行了一天多，还没有给出解决方案。我的代码是

有没有更有效的方法来做到这一点？这里 hamdist 是我编写的用于查找汉明距离的函数。这是

问题

我想在 MS SQL Server 7 中查找图像重复和类似图像。

编辑

我使用 sql 游标运行它 - 它很慢但它有效，再次感谢您的评论。请参阅我提出的解决方案的答案。

具体来说 ...

我有一个数据库，其中包含图像路径和借助此 dhash 算法计算的相关图像的指纹。我正在使用一种变体，其中每张图像（水平和垂直渐变）在一列中存储 128 位。BINARY(16)

我希望能够做的事情是：

什么在起作用？

获得精确的重复是微不足道的 - 只需使用 a 就可以了WHERE hash = @hash_to_compare。

什么不工作？

但是，我希望能够使用相似性度量（汉明距离）来解释小的操作/缺陷/压缩伪影等。我想出了一个实现距离度量的存储过程：

不幸的是，DBMS（SQL Server 7 - 无法升级/更改它）不会让我用它来计算查询中的距离，并且这块 j*nk 不支持用户定义的函数。果然，我没有找到任何类似 MySQL 的东西BIT_COUNT，这会让 T-SQL 毫无疑问。

是否有希望让它在 SQL Server 7 上的 T-SQL 中工作？

非常感谢帮助！

有没有一种在sqlite中计算汉明距离和重量的好方法？它支持按位运算符，但我想根据汉明权重对结果进行排序，并且 sqlite 不支持位计数。

更详细地说，假设我有这些行： 1011 1000 1100 0011 并且给定第一行（1011），我想得到最后一行（0011），如果你和它们，它有最多的 1。

在我的例子中，这些数字大约有 650 位长，我有大约 3500 行。

我发现这个解决方案适用于文本块，但我想要更优化的东西：

我阅读了有关Hamming Weight的 Wikipedia 文章并注意到一些有趣的事情：

因此它等价于Hamming distance相同长度的全零字符串。对于最典型的情况，一串位，这是字符串中 1 的数量。在这种二进制情况下，它也称为总体计数popcount或横向总和。

[强调我的]

所以我发生了一些事情。我可以通过计算两个字符串之间的汉明距离XOR，然后获取结果字符串的汉明权重（POPCOUNT）吗？

与此类似的东西（使用gcc内在函数）：

现在，至于我为什么要这样做，好吧，在某些平台上，是的，这只会转化为gcc对计算popcount. 例如，在没有 的 x64 上popcnt，gcc吐出（Godbolt 的 GCC Online）：

OTOH，如果你有一个支持 POPCOUNT 的平台，比如 x64 模型，包括nehalem和之后（有POPCNT），你会得到（Godbolt 的 GCC Online）：

这应该更快，尤其是内联后。

但回到最初的问题。你能用两个字符串的异或的汉明权重来找到它们的汉明距离吗？IE：

对 NetLogo 非常陌生...我有两个品种“疫苗”和“抗体”。每个都拥有一串符号（例如 ["A" "B" "C"]）。我希望抗体在它们占据相同的空间并且至少有 2/3 的符号匹配（后者是问题）时去除疫苗。我一直在尝试使用“地图”功能，但无法使其正常工作。请帮忙！这是我尝试过的：

我一直在尝试在 Go 中使用汇编语言，并且编写了一个Hamming Weight函数作为练习。

我基于这个 SO 答案构建了一个原生 Go 版本，而汇编版本基于AMD 的这个文档（第 180 页）。在对这两个函数进行基准测试后，我发现原生 Go 版本比汇编版本快大约 1.5 倍 - 2 倍，尽管手写汇编版本几乎与go tool 6g -S popcount.go.

输出自go test -bench=.

popcount.go

popcount_test.go

popcount_amd64.s

输出自go tool 6g -S popcount.go

我从这里知道这些FUNCDATA行包含垃圾收集器的信息，但除此之外我没有看到任何明显的差异。

是什么导致这两个函数之间的速度差异如此之大？

1. 如何有效地存储二进制代码？对于某些固定大小，例如 32 位，可以使用原始类型。但是如果我的二进制代码更长呢？

2. 计算两个二进制代码之间的汉明距离的最快方法是什么？

我正在尝试计算已经计算的两个描述符之间的距离（欧几里得或汉明）。问题是我不想使用匹配器，我只想计算两个描述符之间的距离。我正在使用 OpenCV 2.4.9，并且我的描述符存储在 Mat 类型中：

现在我只想计算描述符1的第1行和描述符2的第1行之间的距离（最好是汉明距离，因为我使用的是二进制描述符）（例如）。

我曾尝试使用 bitwise_xor() 函数，但后来我没有一种有效的方法来进行位计数。有没有计算两个数组之间汉明距离的函数？

我注意到我对 OpenCV 还很陌生，但我很感激任何帮助。谢谢