как текстовое поле width может быть уменьшено?

Очень самые простые меры будут основанными на ошибке RMS подходами, например:

• Среднеквадратичное отклонение
• Максимальный сигнал к Коэффициенту шума

Они, вероятно, образовывают гель с Вашими понятиями мер по расстоянию, но их результаты действительно только значимы, если у Вас есть два изображения, которые уже очень близки, как то, если Вы смотрите на то, как хорошо конкретная схема сжатия сохранила исходное изображение. Кроме того, тот же результат любого сравнения может означать много разных вещей, в зависимости от какой артефакты, там (смотрите на бумагу, которую я цитирую ниже для некоторых фотографий в качестве примера RMS/PSNR, может вводить в заблуждение).

Вне их, существует целое поле исследования, посвященного подобию изображения. Я не эксперт, но здесь являюсь несколькими указателями:

• Большая работа вошла в подходы с помощью сокращение размерности (PCA, SVD, анализ собственного значения, и т.д.), чтобы выбрать основные компоненты изображения и сравнить их через различные изображения.

• Другие подходы (особенно медицинская обработка изображений) использование сегментация методы для выбирания важных частей изображений тогда они сравнивают изображения на основе того, что нашло

• Все еще, другие попытались создать меры подобия, которые обходят некоторые дефекты ошибки RMS и PSNR. Была довольно прохладная статья на пространственная область структурное подобие (SSIM) мера, которая пытается подражать восприятию народами ошибки изображения вместо прямых, математических понятий ошибки. Те же парни сделали улучшенную translation/rotation-invariant версию с помощью анализ вейвлета в данная статья на WSSIM.

• похоже, что TinEye использует характеристические векторы со значениями для партии из атрибутов, чтобы сделать их сравнение. Если Вы ищете вокруг на их сайте, Вы в конечном счете добираетесь до страница IdeГ© Labs, и , их FAQ имеет некоторых (но не слишком многие) специфические особенности алгоритма:

  Q: Как визуальный поиск работает?

  А: IdГ©e’s визуальная поисковая технология использует сложные алгоритмы для анализа сотен атрибутов изображения, таких как цвет, форма, структура, яркость, сложность, объекты и регионы. Эти атрибуты формируют компактную цифровую подпись, которая описывает появление каждого изображения, и эти подписи вычисляются и индексируются нашим программным обеспечением. При выполнении визуального поиска эти подписи быстро сравнены нашей поисковой системой для возврата визуально подобных результатов.

Это ни в коем случае не является исчерпывающим (это - просто горстка методов, с которыми я встретился в ходе своего собственного исследования), но если Вы гуглите для технических документов или просматриваете продолжения недавних конференций по обработке изображений, Вы обязаны найти больше методов для этого материала. Это не решенная проблема, но надо надеяться эти указатели дадут Вам общее представление о том, что включено.