求这种类型的图片类型有哪些。

来源：蜘蛛抓取(WebSpider) 时间：2016-10-05 08:27 标签： 图片类型
这是《偶像来了》第十一期的拍摄老上海画报，求答怎么能P出这种类型的照片呢?
&img src=&/9a2df4a426f8a1d589a5d9fbf2105f50_b.jpg& data-rawwidth=&440& data-rawheight=&673& class=&origin_image zh-lightbox-thumb& width=&440& data-original=&/9a2df4a426f8a1d589a5d9fbf2105f50_r.jpg&&&img src=&/e0d274cbce977197_b.jpg& data-rawwidth=&440& data-rawheight=&293& class=&origin_image zh-lightbox-thumb& width=&440& data-original=&/e0d274cbce977197_r.jpg&&&img src=&/6785664efef03b86f3c04c7ef4a35b3c_b.jpg& data-rawwidth=&440& data-rawheight=&660& class=&origin_image zh-lightbox-thumb& width=&440& data-original=&/6785664efef03b86f3c04c7ef4a35b3c_r.jpg&&
这个与孙郡的大不同。就是人物以画作为背景，拍摄。后期调色。因为未有原图，谈后期调色没意义。
已有帐号？
无法登录？
社交帐号登录3000分1回复
500分1回复
5000分2回复
2000分4回复
1000分1回复
1000分5回复
1000分1回复
1000分4回复
500分2回复
500分2回复
2000分1回复
2000分6回复
来源：国内领先的正版商业图库——汇图网
￥10000.00
会员 leyo8888 获得了悬赏金
会员 QQ 获得了悬赏金
会员 pp 获得了悬赏金
会员 xumin1062 获得了悬赏金
获得了悬赏金
会员 a 获得了悬赏金
会员 yangjinlong 获得了悬赏金
会员 关注了任务
会员 发布了任务
会员 发布了任务
会员 发布了任务
会员 发布了任务
会员 投稿了任务
会员 投稿了任务
会员 投稿了任务
会员 投稿了任务
会员 投稿了任务求这种类型的图片。_百度知道相似图片搜索的原理（二） - 阮一峰的网络日志
相似图片搜索的原理（二）
二年前，我写了，介绍了一种最简单的实现方法。
昨天，我在的网站看到，还有其他两种方法也很简单，这里做一些笔记。
一、颜色分布法
每张图片都可以生成（color histogram）。如果两张图片的直方图很接近，就可以认为它们很相似。
任何一种颜色都是由红绿蓝三原色（RGB）构成的，所以上图共有4张直方图（三原色直方图 + 最后合成的直方图）。
如果每种原色都可以取256个值，那么整个颜色空间共有1600万种颜色（256的三次方）。针对这1600万种颜色比较直方图，计算量实在太大了，因此需要采用简化方法。可以将0～255分成四个区：0～63为第0区，64～127为第1区，128～191为第2区，192～255为第3区。这意味着红绿蓝分别有4个区，总共可以构成64种组合（4的3次方）。
任何一种颜色必然属于这64种组合中的一种，这样就可以统计每一种组合包含的像素数量。
上图是某张图片的颜色分布表，将表中最后一栏提取出来，组成一个64维向量(, 0, 0, 8, ..., 109, 0, 0, )。这个向量就是这张图片的特征值或者叫"指纹"。
于是，寻找相似图片就变成了找出与其最相似的向量。这可以用或者算出。
二、内容特征法
除了颜色构成，还可以从比较图片内容的相似性入手。
首先，将原图转成一张较小的灰度图片，假定为50x50像素。然后，确定一个阈值，将灰度图片转成黑白图片。
如果两张图片很相似，它们的黑白轮廓应该是相近的。于是，问题就变成了，第一步如何确定一个合理的阈值，正确呈现照片中的轮廓？
显然，前景色与背景色反差越大，轮廓就越明显。这意味着，如果我们找到一个值，可以使得前景色和背景色各自的"类内差异最小"（minimizing the intra-class variance），或者"类间差异最大"（maximizing the inter-class variance），那么这个值就是理想的阈值。
1979年，日本学者大津展之证明了，"类内差异最小"与"类间差异最大"是同一件事，即对应同一个阈值。他提出一种简单的算法，可以求出这个阈值，这被称为（Otsu's method）。下面就是他的计算方法。
假定一张图片共有n个像素，其中灰度值小于阈值的像素为 n1 个，大于等于阈值的像素为 n2 个（ n1 + n2 = n ）。w1 和 w2 表示这两种像素各自的比重。
　　w1 = n1 / n
　　w2 = n2 / n
再假定，所有灰度值小于阈值的像素的平均值和方差分别为 μ1 和 σ1，所有灰度值大于等于阈值的像素的平均值和方差分别为 μ2 和 σ2。于是，可以得到
　　类内差异 = w1(σ1的平方) + w2(σ2的平方)
　　类间差异 = w1w2(μ1-μ2)^2
可以证明，这两个式子是等价的：得到"类内差异"的最小值，等同于得到"类间差异"的最大值。不过，从计算难度看，后者的计算要容易一些。
下一步用"穷举法"，将阈值从灰度的最低值到最高值，依次取一遍，分别代入上面的算式。使得"类内差异最小"或"类间差异最大"的那个值，就是最终的阈值。具体的实例和Java算法，请看。
有了50x50像素的黑白缩略图，就等于有了一个50x50的0-1矩阵。矩阵的每个值对应原图的一个像素，0表示黑色，1表示白色。这个矩阵就是一张图片的特征矩阵。
两个特征矩阵的不同之处越少，就代表两张图片越相似。这可以用"异或运算"实现（即两个值之中只有一个为1，则运算结果为1，否则运算结果为0）。对不同图片的特征矩阵进行"异或运算"，结果中的1越少，就是越相似的图片。
图像识别（image recognition）是现在的热门技术。
大多数人在高中，或者大学低年级，都上过一门课《线性代数》。这门课其实是教矩阵。
本文通过五个例子，介绍蒙特卡罗方法（Monte Carlo Method）。
大学时，我一直觉得统计学很难，还差点挂科。

我要回帖

更多关于 图片类型 的文章

 

随机推荐