当前位置：首页 > PHP

图像检索php实现

2026-02-15 22:24:44PHP

图像检索的PHP实现方法

图像检索通常涉及特征提取、相似度计算和数据库查询。以下是基于PHP的实现方案：

基于颜色直方图的图像检索

颜色直方图是最简单的特征提取方法：

function getColorHistogram($imagePath, $bins = 64) {
    $image = imagecreatefromjpeg($imagePath);
    $width = imagesx($image);
    $height = imagesy($image);

    $histogram = array_fill(0, $bins, 0);

    for ($x = 0; $x < $width; $x++) {
        for ($y = 0; $y < $height; $y++) {
            $rgb = imagecolorat($image, $x, $y);
            $r = ($rgb >> 16) & 0xFF;
            $g = ($rgb >> 8) & 0xFF;
            $b = $rgb & 0xFF;

            $index = floor(($r + $g + $b) / (3 * 256 / $bins));
            $histogram[$index]++;
        }
    }

    imagedestroy($image);
    return $histogram;
}

相似度计算（欧式距离）

计算两个直方图之间的相似度：

function compareHistograms($hist1, $hist2) {
    $sum = 0;
    $count = min(count($hist1), count($hist2));

    for ($i = 0; $i < $count; $i++) {
        $diff = $hist1[$i] - $hist2[$i];
        $sum += $diff * $diff;
    }

    return sqrt($sum);
}

基于OpenCV的PHP扩展

安装PHP-OpenCV扩展可获得更强大的图像处理能力：

图像检索php实现

$src = cv\imread("query.jpg");
$orb = new cv\ORB();
$keypoints = new cv\KeyPoint();
$descriptors = new cv\Mat();
$orb->detectAndCompute($src, new cv\Mat(), $keypoints, $descriptors);

数据库存储和检索

将图像特征存入MySQL数据库：

CREATE TABLE image_features (
    id INT AUTO_INCREMENT PRIMARY KEY,
    image_path VARCHAR(255),
    histogram TEXT,
    descriptors TEXT
);

PHP存储代码：

图像检索php实现

$histogram = json_encode(getColorHistogram($imagePath));
$query = "INSERT INTO image_features (image_path, histogram) VALUES (?, ?)";
$stmt = $pdo->prepare($query);
$stmt->execute([$imagePath, $histogram]);

基于哈希的快速检索

实现感知哈希(pHash)算法：

function pHash($imagePath) {
    $size = 32;
    $image = imagecreatefromjpeg($imagePath);
    $resized = imagecreatetruecolor($size, $size);
    imagecopyresampled($resized, $image, 0, 0, 0, 0, $size, $size, imagesx($image), imagesy($image));

    $pixels = [];
    for ($y = 0; $y < $size; $y++) {
        for ($x = 0; $x < $size; $x++) {
            $rgb = imagecolorat($resized, $x, $y);
            $gray = (($rgb >> 16) & 0xFF) * 0.299 + 
                   (($rgb >> 8) & 0xFF) * 0.587 + 
                   ($rgb & 0xFF) * 0.114;
            $pixels[] = $gray;
        }
    }

    $avg = array_sum($pixels) / count($pixels);
    $hash = '';
    foreach ($pixels as $pixel) {
        $hash .= ($pixel > $avg) ? '1' : '0';
    }

    imagedestroy($image);
    imagedestroy($resized);
    return $hash;
}

汉明距离计算

比较两个哈希值的相似度：

function hammingDistance($hash1, $hash2) {
    $distance = 0;
    $length = min(strlen($hash1), strlen($hash2));

    for ($i = 0; $i < $length; $i++) {
        if ($hash1[$i] != $hash2[$i]) {
            $distance++;
        }
    }

    return $distance;
}

性能优化建议

对于大规模图像数据库，考虑以下优化方案：

使用Redis缓存热门图像特征
对特征向量建立R树索引
采用近似最近邻(ANN)算法
实现分块检索策略

完整检索流程示例

$queryImage = 'uploads/query.jpg';
$queryHash = pHash($queryImage);

$dbResults = $pdo->query("SELECT image_path, pHash FROM image_features");
$matches = [];

foreach ($dbResults as $row) {
    $distance = hammingDistance($queryHash, $row['pHash']);
    if ($distance < 10) { // 阈值可调整
        $matches[] = [
            'path' => $row['image_path'],
            'score' => $distance
        ];
    }
}

usort($matches, function($a, $b) {
    return $a['score'] <=> $b['score'];
});

以上方法可根据实际需求组合使用，颜色直方图适合全局匹配，ORB特征适合局部匹配，感知哈希适合快速初筛。对于商业级应用，建议结合深度学习模型如ResNet提取深度特征。