OpenCV / SURF如何从描述符中生成图像哈希/指纹/签名？
这里有一些话题对于如何find类似的图片非常有帮助。
我想要做的是获得一张图片的指纹，并find数码相机拍摄的不同照片上的相同图片。 SURFalgorithm接缝是在缩放，angular度和其他失真方面独立的最佳方式。
我使用OpenCV和SURFalgorithm来提取样本图像上的特征。 现在我想知道如何将所有这些特征数据（位置，拉普拉斯，大小，方向，粗麻布）转换成指纹或散列。
该指纹将被存储在数据库中，并且search查询必须能够将该指纹与具有几乎相同特征的照片的指纹进行比较。
更新：
似乎没有办法将所有的描述符向量转换成简单的哈希。 那么将图像描述符存储到数据库中进行快速查询的最佳方法是什么？
词汇树会成为一个select吗？
我会非常感谢任何帮助。
你提到的特征数据（位置，拉普拉斯，大小，方向，粗麻布）不足以达到你的目的（如果你想进行匹配，这些实际上是描述符中不太相关的部分）。 您要查看的数据是“描述符”（第四个参数）：
void cvExtractSURF（const CvArr * image，const CvArr * mask，CvSeq **关键点，CvSeq **描述符，CvMemStorage *存储，CvSURFParams params）
这些是包含特定特征的“指纹”的128或64（取决于参数）vector（每个图像将包含可变数量的这种vector）。 如果你得到最新版本的Opencv，他们有一个名为find_obj.cpp的示例，它显示了它如何用于匹配
更新 ：
你可能会发现这个讨论有帮助
计算散列的一个简单的方法如下。 从图像中获取所有的描述符（比如N个）。 每个描述符都是128个数字的向量（可以将它们转换为0到255之间的整数）。 所以你有一组N * 128整数。 只要将它们一个接一个地写入一个string并将其用作散列值即可。 如果你想散列值很小，我相信有办法计算string的散列函数，所以把描述符转换为string，然后使用该string的散列值。
这可能工作，如果你想find确切的重复。 但似乎（因为你谈论规模，旋转等），你只是想find“相似的”图像。 在这种情况下，使用散列可能不是一个好的方法。 您可能使用一些兴趣点检测器来查找计算SURF描述符的点。 想象一下，它将返回相同的一组点，但顺序不同。 突然间，你的散列值将是非常不同的，即使图像和描述符是相同的。
所以，如果我必须可靠地find相似的图像，我会用不同的方法。 例如，我可以vector量化SURF描述符，构buildvector量化值的直方图，并使用直方图交集进行匹配。 你真的必须使用哈希函数（也许是为了提高效率），或者你只是想用什么来find相似的图像？
看来GIST似乎更适合使用。
有MATLAB代码http://people.csail.mit.edu/torralba/code/spatialenvelope/ 。
Min-Hash或Min-Hashing是一种可以帮助你的技术。 它将整个图像编码为可调大小的表示，然后存储在散列表中。 像几何最小散列 ， 分区最小散列和最小散列等几个变种确实存在。 由此产生的内存占用不是最小的，但这些技术适用于各种场景，如近重复检索，甚至小型对象检索 – 其他短签名往往performance不佳的场景。
有几个关于这个话题的论文。 入门文献将是： 近乎重复的图像检测：min-Hash和tf-idf加权 Ondrej密友，詹姆斯·菲尔宾，Andrew Zisserman，BMVC 2008 PDF
