本發(fā)明涉及圖像處理
技術(shù)領(lǐng)域：
，特別涉及一種檢測相似圖像的方法和裝置。
背景技術(shù)：
：目前，大部分終端都具有拍攝功能，用戶使用終端拍攝圖像時，為了保證拍攝出來的圖像的美觀性，往往在同一個場景下拍攝多張相似圖像，這些相似圖像占用終端大量的存儲空間。因此，終端需要識別相似圖像，只保存相似圖像中的一張圖像，將相似圖像中的其他圖像刪除，從而節(jié)約終端的存儲空間。現(xiàn)有技術(shù)提供了一種檢測相似圖像的方法，可以為：獲取兩張圖像的直方圖特征，計算兩張圖像的直方圖特征的相似度；如果該相似度超過預(yù)設(shè)閾值，則確定這兩張圖像為相似圖像；否則，確定這兩張圖像不相似。在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題：如果兩張顏色相同但是顏色布局不同的圖像，由于這兩張圖像的顏色布局不同，因此這兩張圖像是不相似圖像，但是由于這兩張顏色相同，導(dǎo)致這兩張圖像的直方特征圖是相同的，因此通過現(xiàn)有方法則確定這兩張圖像為相似圖像，從而導(dǎo)致檢測相似圖像的準(zhǔn)確性低。技術(shù)實現(xiàn)要素：為了解決現(xiàn)有技術(shù)的問題，本發(fā)明提供了一種檢測相似圖像的方法和裝置。技術(shù)方案如下：一種檢測相似圖像的方法，所述方法包括：獲取第一圖像的第一索貝爾特征和第一直方圖特征，以及獲取第二圖像的第二索貝爾特征和第二直方圖特征；根據(jù)所述第一索貝爾特征和所述第二索貝爾特征，確定所述第一圖像的邊緣和所述第二圖像的邊緣是否相似，以及根據(jù)所述第一直方圖特征和所述第二直方圖特征，確定所述第一圖像的顏色和所述第二圖像的顏色是否相似；如果所述第一圖像的邊緣和所述第二圖像的邊緣相似且所述第一圖像的顏色和所述第二圖像的顏色相似，則確定所述第一圖像和所述第二圖像為相似圖像。一種檢測相似圖像的裝置，所述裝置包括：獲取模塊，用于獲取第一圖像的第一索貝爾特征和第一直方圖特征，以及獲取第二圖像的第二索貝爾特征和第二直方圖特征；第一確定模塊，用于根據(jù)所述第一索貝爾特征和所述第二索貝爾特征，確定所述第一圖像的邊緣和所述第二圖像的邊緣是否相似，以及根據(jù)所述第一直方圖特征和所述第二直方圖特征，確定所述第一圖像的顏色和所述第二圖像的顏色是否相似；第二確定模塊，用于如果所述第一圖像的邊緣和所述第二圖像的邊緣相似且所述第一圖像的顏色和所述第二圖像的顏色相似，則確定所述第一圖像和所述第二圖像為相似圖像。在本發(fā)明實施例中，根據(jù)第一圖像的第一索貝爾特征和第二圖像的第二索貝爾特征，確定第一圖像的邊緣和第二圖像的邊緣是否相似，以及根據(jù)第一圖像的第一直方圖特征和第二圖像的第二直方圖特征，確定第一圖像的顏色和第二圖像的顏色是否相似；如果第一圖像的邊緣和第二圖像的邊緣相似且第一圖像的顏色和第二圖像的顏色相似，則確定第一圖像和第二圖像為相似圖像，從而結(jié)合圖像的邊緣和顏色確定兩張圖像是否為相似圖像，提高了檢測相似圖像的準(zhǔn)確性。附圖說明圖1是本發(fā)明實施例1提供的一種檢測相似圖像的方法流程圖；圖2-1是本發(fā)明實施例2提供的一種檢測相似圖像的方法流程圖；圖2-2是本發(fā)明實施例2提供的將第一灰度圖像和第二灰度圖像劃分為多個灰度圖像塊的示意圖；圖2-3是本發(fā)明實施例2提供的將第一圖像和第二圖像劃分為多個圖像塊的示意圖；圖2-4是本發(fā)明實施例2提供的獲取第一圖像的第一直方圖特征和第一索貝 爾特征的示意圖；圖2-5是本發(fā)明實施例2提供的獲取第二圖像的第二直方圖特征和第二索貝爾特征的示意圖；圖2-6是本發(fā)明實施例2提供的獲取第一圖像與第二圖像的第三相似度的示意圖；圖3-1是本發(fā)明實施例3提供的一種檢測相似圖像的裝置結(jié)構(gòu)示意圖；圖3-2是本發(fā)明實施例3提供的一種第一確定模塊的結(jié)構(gòu)示意圖；圖3-3是本發(fā)明實施例3提供的另一種檢測相似圖像的裝置結(jié)構(gòu)示意圖；圖4是本發(fā)明實施例4提供的一種終端的結(jié)構(gòu)示意圖。具體實施方式為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。實施例1本發(fā)明實施例提供了一種檢測相似圖像的方法，在第一圖像的第一直方圖特征和第二圖像的第二直方圖特征的基礎(chǔ)上，結(jié)合第一圖像的第一索貝爾特征和第二圖像的第二索貝爾特征，確定第一圖像和第二圖像是否為相似圖像。該方法的執(zhí)行主體為終端，參見圖1，其中，該方法包括：步驟101：獲取第一圖像的第一索貝爾特征和第一直方圖特征，以及獲取第二圖像的第二索貝爾特征和第二直方圖特征；步驟102：根據(jù)第一索貝爾特征和第二索貝爾特征，確定第一圖像的邊緣和第二圖像的邊緣是否相似，以及根據(jù)第一直方圖特征和第二直方圖特征，確定第一圖像的顏色和第二圖像的顏色是否相似；步驟103：如果第一圖像的邊緣和第二圖像的邊緣相似且第一圖像的顏色和第二圖像的顏色相似，則確定第一圖像和第二圖像為相似圖像。在本發(fā)明實施例中，根據(jù)第一圖像的第一索貝爾特征和第二圖像的第二索貝爾特征，確定第一圖像的邊緣和第二圖像的邊緣是否相似，以及根據(jù)第一圖像的第一直方圖特征和第二圖像的第二直方圖特征，確定第一圖像的顏色和第二圖像的顏色是否相似；如果第一圖像的邊緣和第二圖像的邊緣相似且第一圖 像的顏色和第二圖像的顏色相似，則確定第一圖像和第二圖像為相似圖像，從而結(jié)合圖像的邊緣和顏色確定兩張圖像是否為相似圖像，提高了檢測相似圖像的準(zhǔn)確性。實施例2本發(fā)明實施例提供了一種檢測相似圖像的方法，在第一圖像的第一直方圖特征和第二圖像的第二直方圖特征的基礎(chǔ)上，結(jié)合第一圖像的第一索貝爾特征和第二圖像的第二索貝爾特征，確定第一圖像和第二圖像是否為相似圖像。該方法的執(zhí)行主體為終端，參見圖2-1，其中，該方法包括：步驟201：獲取第一圖像的第一索貝爾特征和第二圖像的第二索貝爾特征；其中，第一索貝爾特征包括第一圖像中的每個第一灰度圖像塊的第三索貝爾特征，第二索貝爾特征包括第二圖像中的每個第二灰度圖像塊的第四索貝爾特征，每個第一灰度圖像塊對應(yīng)一個第二灰度圖像塊；則獲取第一圖像的第一索貝爾特征以及獲取第二圖像的第二索貝爾特征可以通過以下步驟(1)至(3)實現(xiàn)，包括：(1)：分別將第一圖像和第二圖像進行灰度轉(zhuǎn)換得到第一灰度圖像和第二灰度圖像；分別將第一圖像和第二圖像進行解碼并歸一化處理得到第一RGB圖像和第二RGB圖像；分別將第一RGB圖像和第二RGB圖像進行灰度轉(zhuǎn)換得到第一灰度圖像和第二灰度圖像。其中，對于第一RGB圖像中的每個像素點或者第二RGB圖像中的每個像素點，可以按照以下公式(1)進行灰度轉(zhuǎn)換得到每個像素點的灰度值：G＝0.299R+0.590G+0.110B(1)其中，G為像素點的灰度值，R為該像素點的R值，G為該像素點的G值，B為該像素點的B值。為了提高終端的運算效率，去掉浮點運算，在公式(1)兩邊同時乘以256，再同時除以256，得到公式(1)：G＝(77R+151G+28B)/256(2)則公式(2)等價于G＝(77R+151G+28B)>>8；其中，>>表示右移。需要說明的是，去掉浮點運算能夠提高終端的運算效率，從而提高檢測相 似圖像的效率。(2)：分別將第一灰度圖像和第二灰度圖像均分為多個第一灰度圖像塊和多個第二灰度圖像塊；將第一灰度圖像均分為多個第一灰度圖像塊，將第二灰度圖像均分為多個第二灰度圖像塊；多個第一灰度圖像塊中的每個第一灰度圖像塊對應(yīng)一個第二灰度圖像塊。其中，將第一灰度圖像均分的多個第一灰度圖像塊的第一塊數(shù)以及將第二圖灰度像均分為多個第二灰度圖像塊的第二塊數(shù)可以根據(jù)想要進行設(shè)置并更改，只要保證第一塊數(shù)等于第二塊數(shù)即可；例如，第一塊數(shù)和第二塊數(shù)都為4，9或16等；經(jīng)過發(fā)明人的實驗研究，既能保證檢測相似圖像的準(zhǔn)確性還能不增加終端的CPU運算壓力，第一塊數(shù)和第二塊數(shù)優(yōu)選的取9。例如，第一塊數(shù)和第二塊數(shù)為9，參見圖2-2，則將第一灰度圖像均分為9塊，得到9個第一灰度圖像塊；將第二灰度圖像均分為9塊，得到9個第二灰度圖像塊。根據(jù)各圖像塊的位置，選擇在灰度圖像中的相對位置相同的兩個灰度圖像塊確定為對應(yīng)的灰度圖像塊。(3)：分別獲取每個第一灰度圖像塊的第三索貝爾特征和每個第一灰度圖像塊對應(yīng)的第二灰度圖像塊的第四索貝爾特征。其中，圖像的索貝爾特征即是圖像中包括的亮點數(shù)量和暗點數(shù)量；則本步驟可以通過以下步驟(3-1)至(3-3)實現(xiàn)，包括：(3-1)：計算每個第一灰度圖像塊中的每個像素點的亮度值以及每個第二灰度圖像塊中的每個像素點的亮度值；對于第一灰度圖像塊中的每個像素點或者每個第二灰度圖像中的每個像素點，根據(jù)該像素點的灰度值，通過以下公式(3)計算該像素點的亮度值：A＝(Ax2+Ay2)1/2(3)其中，Ay=-1-2-2000+1+2+2*G,Ax=-10+1-20+2-10+1*G,]]>A為像素點的亮度值，G為像素點的灰度值。為了提高終端的運算效率，避免出現(xiàn)浮點運算，可以將公式(3)進行近似，用絕對值運算近似平方和開方，也即取A＝|Ax|+|Ay|。(3-2)：根據(jù)每個像素點的亮度值確定每個像素點是亮點還是暗點；對于每個像素點，確定該像素點的亮度值是否大于第一預(yù)設(shè)亮度值；如果該亮度值大于第一預(yù)設(shè)亮度值，則確定該像素點為亮點；如果該亮度值不大于第一預(yù)設(shè)亮度值，則確定該亮度值是否小于第二預(yù)設(shè)亮度值，如果該亮度值小于第二預(yù)設(shè)亮度值，則確定該像素點為暗點。其中，第一預(yù)設(shè)亮度值和第二預(yù)設(shè)亮度值都可以根據(jù)需要進行設(shè)置并更改，在本發(fā)明實施例中對第一預(yù)設(shè)亮度值和第二預(yù)設(shè)亮度值都不做具體限定；例如，第一預(yù)設(shè)亮度值為220，第二預(yù)設(shè)亮度值為30，則如果像素點的亮度值大于220，則確定該像素點為亮點；如果像素點的亮度值小于30，則確定該像素點為暗點。(3-3)：統(tǒng)計每個第一灰度圖像塊中的第三亮點數(shù)量和第三暗點數(shù)量，以及統(tǒng)計每個第二灰度圖像塊中的第四亮點數(shù)量和第四暗點數(shù)量。對于每個第一灰度圖像塊，統(tǒng)計該第一灰度圖像塊中包括的亮點數(shù)量和暗點數(shù)量，將該亮點數(shù)量作為第三亮點數(shù)量，將該暗點數(shù)量作為第三暗點數(shù)量。對于每個第二灰度圖像塊，統(tǒng)計該第二灰度圖像塊中包括的亮點數(shù)量和暗點數(shù)量，將該亮點數(shù)量作為第四亮點數(shù)量，將該暗點數(shù)量作為第四暗點數(shù)量。進一步度，將多個第三亮點數(shù)量之和作為第一亮點數(shù)量，將多個第三暗點數(shù)量之和作為第一暗點數(shù)量，將多個第四亮點數(shù)量之和作為第二亮點數(shù)量，將多個第四暗點數(shù)量之和作為第二暗點數(shù)量。步驟202：根據(jù)第一索貝爾特征和第二索貝爾特征，確定第一圖像的邊緣和第二圖像的邊緣是否相似，如果相似，執(zhí)行步驟203；第一索貝爾特征包括第一圖像中的第一亮點數(shù)量和第一暗點數(shù)量；第二索貝爾特征包括第二圖像中的第二亮點數(shù)量和第二暗點數(shù)量；則本步驟可以通過以下步驟(1)至(4)實現(xiàn)，包括：(1):根據(jù)第一亮點數(shù)量和第二亮點數(shù)量，計算第一圖像與第二圖像之間的亮點相似度；根據(jù)第一亮點數(shù)量和第二亮點數(shù)量，通過以下公式(4)計算第一圖像與第二圖像之間的亮點相似度。Dsobel1(a,b)=100nMax=0100-100*nAbs1000<nMax<50100-100*nAbsnMaxnMax>=50---(4)]]>其中，Dsobel1(a，b)為亮點相似度，nMax＝min(a，b)，nAbs＝|a-b|，a為第一亮點數(shù)量，b為第二亮點數(shù)量。(2)：根據(jù)第一暗點數(shù)量和第二暗點數(shù)量，計算第一圖像與第二圖像之間的暗點相似度；根據(jù)第一暗點數(shù)量和第二暗點數(shù)量，通過以下公式(5)計算第一圖像與第二圖像之間的暗點相似度。Dsobel2(a,b)=100nMax=0100-100*nAbs1000<nMax<50100-100*nAbsnMaxnMax>=50---(5)]]>其中，Dsobel2(a，b)為暗點相似度，nMax＝min(a，b)，nAbs＝|a-b|，a為第一暗點數(shù)量，b為第二暗點數(shù)量。(3)：根據(jù)亮點相似度和暗點相似度，計算第一索貝爾特征與第二索貝爾特征之間的第一相似度。獲取亮點相似度和暗點相似度中的最小值，將該最小值作為第一索貝爾特征與第二索貝爾特征之間的第一相似度。也即Dsobel＝min(Dsobel，Dsobel2)。(4)：如果第一相似度大于第一預(yù)設(shè)數(shù)值，則確定第一圖像的邊緣和第二圖像的邊緣相似；如果第一相似度不大于第一預(yù)設(shè)數(shù)值，則確定第一圖像的邊緣和第二圖像的邊緣不相似。第一預(yù)設(shè)數(shù)值可以根據(jù)需要進行設(shè)置并更改，在本發(fā)明實施例中，對第一預(yù)設(shè)數(shù)值不作具體限定；例如，第一預(yù)設(shè)數(shù)值可以為0.6或者0.8等。需要說明的是，在本發(fā)明實施例中第一索貝爾特征包括第一圖像中的每個第一灰度圖像塊的第三索貝爾特征，第二索貝爾特征包括第二圖像中的每個第二灰度圖像塊的第四索貝爾特征；則本步驟可以為：計算第一索貝爾特征與第二索貝爾特征之間的第一相似度，如果第一相似度大于第一預(yù)設(shè)數(shù)值，則確定第一圖像的邊緣和第二圖像的邊緣相似。其中，計算第一索貝爾特征與第二索貝爾特征之間的第一相似度的步驟可以通過以下步驟(A)和(B)實現(xiàn)，包括：(A)：分別計算每個第一灰度圖像塊的第三索貝爾特征與每個第一灰度圖 像塊對應(yīng)的第二灰度圖像塊的第四索貝爾特征之間的相似度，得到多個第四相似度；第三索貝爾特征包括第一灰度圖像塊中的第三亮點數(shù)量和第三暗點數(shù)量；第四索貝爾特征包括第二灰度圖像塊中的第四亮點數(shù)量和第四暗點數(shù)量。則本步驟可以通過以下步驟(A-1)至(A-3)實現(xiàn)，包括：(A-1):根據(jù)第三亮點數(shù)量和第四亮點數(shù)量，計算第一灰度圖像塊與第二灰度圖像塊之間的亮點相似度；(A-2)：根據(jù)第三暗點數(shù)量和第四暗點數(shù)量，計算第一灰度圖像塊與第二灰度圖像塊之間的暗點相似度；(A-3)：根據(jù)亮點相似度和暗點相似度，計算第三索貝爾特征與第四索貝爾特征之間的第四相似度。通過以上步驟(A-1)至(A-3)計算得到每個第一灰度圖像塊的第三索貝爾特征與每個第一灰度圖像塊對應(yīng)的第二灰度圖像塊的第四索貝爾特征之間的相似度，得到多個第四相似度。(B)：計算多個第四相似度的平均相似度作為第一索貝爾特征與第二索貝爾特征之間的第一相似度。步驟203：獲取第一圖像的第一直方圖特征和第二圖像的第二直方圖特征；其中，本步驟可以通過以下步驟(1)至(3)實現(xiàn)，包括：(1)：分別將第一圖像和第二圖像進行解碼以及歸一化處理得到第一RGB(RedGreenBlue，紅綠藍)圖像和第二RGB圖像；具體地，分別將第一圖像和第二圖像進行解碼處理，得到第三RGB圖像和第四RGB圖像，分別對第三RGB圖像和第四RGB圖像進行歸一化處理，得到第一RGB圖像和第二RGB圖像。其中，分別對第三RGB圖像和第四RGB圖像進行歸一化處理，將第三RGB圖像的寬度和高度縮放到100*100，將第四RGB圖像的寬度和高度縮放到100*100，從而將第一圖像和第二圖像處理為相同大小的圖像，方便檢測第一圖像和第二圖像是否為相似圖像。(2)：分別將第一RGB圖像和第二RGB圖像轉(zhuǎn)換為第一HSV(HueSaturationValue，色相飽和度明度)圖像和第二HSV圖像；HSV圖像包括三個通道，分別為H通道、S通道和V通道；對于第一RGB 圖像中的每個像素點和第二RGB圖像中的每個像素點，根據(jù)每個像素點的R值、G值和B值，通過以下公式(6)計算每個像素點的H值；通過以下公式(7)計算每個像素點的S值；通過以下公式(8)計算每個像素點的V值。從而將第一RGB圖像轉(zhuǎn)換為第一HSV圖像，將第二RGB圖像轉(zhuǎn)換為第二HSV圖像。S=0max=0max-minmaxotherwise---(7)]]>V＝max(8)其中，max＝max{R值，G值，B值}，min＝min{R值，G值，B值}。需要說明的是，為了減少圖像亮度的干擾，只需要統(tǒng)計H通道的直方圖，因此，在本步驟中只需要將第一RGB圖像和第二RGB圖像進行H通道轉(zhuǎn)換即可。也即本步驟可以為：對于第一RGB圖像中的每個像素點和第二RGB圖像中的每個像素點，根據(jù)每個像素點的R值、G值和B值，通過以下公式(6)計算每個像素點的H值得到每個像素的H值，第一RGB圖像中的每個像素點的H值組成第一HSV圖像的H通道圖像，第二RGB圖像中的每個像素點的H值組成第二HSV圖像的H通道圖像，從而將第一RGB圖像轉(zhuǎn)換為第一HSV圖像的H通道圖像，將第二RGB圖像轉(zhuǎn)換為第二HSV圖像的H通道圖像。(3)：對第一HSV圖像和第二HSV圖像進行H通道直方圖統(tǒng)計得到第一圖像的第一直方圖特征和第二直方圖特征。其中，第一直方圖特征包括多個第三直方圖特征，第二直方圖特征包括多個第四直方圖特征。將第一HSV圖像的H通道圖像均分為多個第一圖像塊，將第二HSV圖像的H通道圖像均分為多個第二圖像塊；多個第一圖像塊中的每個第一圖像塊對應(yīng)一個第二圖像塊；分別對每個第一圖像塊進行H通道直方圖統(tǒng)計得到每個第一圖像塊的第三直方圖特征；分別對多個第二圖像塊中的每個第二圖像塊進行H通道直方圖統(tǒng)計得到每個第二圖像塊的第四直方圖特征。將第一HSV圖像的H通道圖像均分為多個第一圖像塊的第三塊數(shù)以及將第二HSV圖像的H通道圖像均分為多個第二圖像塊的第四塊數(shù)可以根據(jù)想要進行設(shè)置并更改，只要保證第三塊數(shù)等于第四塊數(shù)即可；例如，第三塊數(shù)和第四塊數(shù)都為4，9或16等。經(jīng)過發(fā)明人的實驗研究，既能保證檢測相似圖像的準(zhǔn)確性還能不增加終端的CPU(CentralProcessingUnit，中央處理器)運算壓力，第三塊數(shù)和第四塊數(shù)優(yōu)選的取4。例如，第三塊數(shù)和第四塊數(shù)為4，參見圖2-3，則將第一HSV圖像的H通道圖像均分為4個第一圖像塊，分別為第一圖像塊1，第一圖像塊2，第一圖像塊3和第一圖像塊4；將第二HSV圖像的H通道圖像均分為4個第二圖像塊，分別為第二圖像塊1，第二圖像塊2，第二圖像塊3和第二圖像塊4；根據(jù)各圖像塊的位置，選擇在圖像中的相對位置相同的兩個圖像塊為對應(yīng)的圖像塊，則確定第一圖像塊1對應(yīng)第二圖像塊1，第一圖像塊2對應(yīng)第二圖像塊2，第一圖像塊3對應(yīng)第二圖像塊3，第一圖像塊4對應(yīng)第二圖像塊4。分別對第一圖像塊1，第一圖像塊2，第一圖像塊3和第一圖像塊4進行H通道直方圖統(tǒng)計得到第一圖像塊1的第三直方圖特征，第一圖像塊2的第三直方圖特征，第一圖像塊3的第三直方圖特征和第一圖像塊4的第三直方圖特征；分別對第二圖像塊1，第二圖像塊2，第二圖像塊3和第二圖像塊4進行H通道直方圖統(tǒng)計得到第二圖像塊1的第四直方圖特征，第二圖像塊2的第四直方圖特征，第二圖像塊3的第四直方圖特征和第二圖像塊4的第四直方圖特征。需要說明的是，進行直方圖統(tǒng)計時，直方圖的bin數(shù)量優(yōu)選的取32個。在本發(fā)明實施例中，也可以同時獲取第一圖像的第一直方圖特征和第一索貝爾特征，參見圖2-4所示；同時獲取第二圖像的第二直方圖特征和第二索貝爾特征的，參見圖2-5所示。步驟204：根據(jù)第一直方圖特征和第二直方圖特征，確定第一圖像的顏色和第二圖像的顏色是否相似；計算第一直方圖特征與第二直方圖特征之間的第二相似度，如果第二相似度大于第二預(yù)設(shè)數(shù)值，則確定第一圖像的顏色和第二圖像的顏色相似。其中，第一圖像的第一直方圖特征包括第一圖像中的每個第一圖像塊的第三直方圖特征，第二圖像的第二直方圖特征包括第二圖像中的每個第二圖像塊的第四直方圖特征，每個第一圖像塊對應(yīng)一個第二圖像塊；則計算第一直方圖特征與第二直方圖特征之間的第二相似度可以通過以下步驟(1)和(2)實現(xiàn)，包括：(1)：分別計算每個第一圖像塊的直方圖與每個第一圖像塊對應(yīng)的第二圖像塊的直方圖之間的相似度，得到多個第五相似度；其中，對于每個第一圖像塊，通過以下公式(9)計算該第一圖像塊與該第一圖像塊對應(yīng)的第二圖像塊的直方圖之間的第五相似度的步驟為：Dhist=d(H1,H2)*100Npixel---(9)]]>其中，Dhist為第四相似度；d=(H1,H2)=ΣImin(H1(I),H2(I));]]>Npixel為直方圖統(tǒng)計的像素數(shù)量。其中，如果第一圖像塊與第一圖像塊對應(yīng)的第二圖像塊的bin里分布的點數(shù)都小于總點數(shù)的預(yù)設(shè)比例，則對這兩個bin取交集改為取最大值，即d=(H1,]]>H2)=ΣImax(H1(I),H2(I)),]]>從而達到降低噪聲的效果。其中，預(yù)設(shè)比例可以根據(jù)小于進行設(shè)置并更改，在本發(fā)明實施例中對預(yù)設(shè)比例不作具體限定；例如，預(yù)設(shè)比例為1％或者2％等。(2)：計算多個第五相似度的平均相似度作為第一圖像與第二圖像的直方圖之間的第二相似度。進一步地，如果第二相似度不大于第二預(yù)設(shè)數(shù)值，則確定第一圖像的顏色和第二圖像的顏色不相似。第二預(yù)設(shè)數(shù)值可以根據(jù)需要進行設(shè)置并更改，在本發(fā)明實施例中對第二預(yù)設(shè)數(shù)值不作具體限定；例如，第二預(yù)設(shè)數(shù)值可以為0.6或者0.8等。步驟205：如果第一圖像的邊緣和第二圖像的邊緣相似且第一圖像的顏色和第二圖像的顏色相似，則確定第一圖像和第二圖像為相似圖像。其中，本步驟可以通過以下步驟(1)和(2)實現(xiàn)，包括：(1)：根據(jù)第一相似度和第二相似度，計算第一圖像與第二圖像之間的第三相似度；獲取第一相似度對應(yīng)的第一權(quán)重以及第二相似度對應(yīng)的第二權(quán)重，計算第一相似度和第一權(quán)重的乘積得到第一數(shù)值，計算第二相似度和第二權(quán)重的乘積得到第二數(shù)值，計算第一數(shù)值和第二數(shù)值之和作為第一圖像與第二圖像之間的第三相似度。其中，第一權(quán)重和第二權(quán)重可以根據(jù)想要進行設(shè)置并更改，只要保證第一權(quán)重和第二權(quán)重之和等于1即可。為了保證檢測相似圖像的準(zhǔn)確性，經(jīng)過發(fā)明人的實驗研究，當(dāng)?shù)谝粰?quán)重為0.68，第二權(quán)重為0.32時，檢測相似圖像的準(zhǔn)確性最高。則Dxsd＝0.32*Dhist+0.68*Dsobel；其中，Dxsd為第三相似度，Dhist為第二相似度，Dsobel為第一相似度；為了避免浮點運算，在以上公式兩邊同時乘以100，再同時除以100得到Dxsd＝(32*Dhist+*68Dsobel)/100。綜上所述，根據(jù)第一直方圖特征、第二直方圖特征、第一索貝爾特征和第二索貝爾特征，計算第一圖像與第二圖像之間的第三相似度的過程如圖2-6所示。(2)：如果第三相似度大于第三預(yù)設(shè)數(shù)值，則確定第一圖像和第二圖像為相似圖像；確定第三相似度是否大于第三預(yù)設(shè)數(shù)值，如果第三相似度大于第三預(yù)設(shè)數(shù)值，則確定第一圖像和第二圖像為相似圖像；如果第三相似度不大于第三預(yù)設(shè)數(shù)值，則確定第一圖像和第二圖像不為相似圖像。第三預(yù)設(shè)數(shù)值可以根據(jù)需要進行設(shè)置并更改，在本發(fā)明實施例中對第三預(yù)設(shè)數(shù)值不作具體限定；例如，第三預(yù)設(shè)數(shù)值為0.8。進一步地，如果第一圖像和第二圖像為相似圖像，將第一圖像和第二圖像歸為一類，刪除第一圖像或者第二圖像，從而節(jié)省終端的存儲空間。如果終端中包括多張圖像，通過以上步驟201-205，能夠獲取多張圖像的第一相似度和第二相似度，通過以下步驟對將多張圖像中的每張圖像進行分類，包括：(1)：將每張圖像的第一相似度和第二相似度組成集合N；(2)：從集合N中任意取一組相似度，該組相似度包括第一相似度和第二 相似度，計算選擇的一組相似度與集合N中剩余的任意一組相似度之間的第三相似度；取任一個特征Ni放入集合M中記為M{P{N1}}，再從N中任意取一個特征Nj和Pi{0}屬于M{P1{0}，……Pn{0}}比較，計算Nj與Pi{0}的第三相似度。(3)：如果第三相似度大于預(yù)設(shè)數(shù)值，則確定該任意圖像與該選擇的圖像為相似圖像，將該任意圖像與該選擇的圖像歸為一類。如果第三相似度大于第三預(yù)設(shè)數(shù)值，將Nj放入Pi{}中，直到N中元素為空，M{P{}}即為分類結(jié)果。需要說明的是，整個過程所需的特征比較次數(shù)為n(n-1)/2；其中，n為圖像數(shù)量。需要說明的是，在本發(fā)明實施例中，也可以不通過計算第三相似度的方法確定第一圖像與第二圖像是否為相似圖像，也可以通過調(diào)用SVM(SupportVectorMachines，支持向量機)分類器，確定第一圖像與第二圖像是否為相似圖像，具體過程如下：根據(jù)第一直方圖特征、第二直方圖特征、第一索貝爾特征和第二索貝爾特征，通過分類器確定第一圖像和第二圖像是否為相似圖像。具體地，調(diào)用終端上的SVM分類器，將第一直方圖特征、第二直方圖特征、第一索貝爾特征和第二索貝爾特征輸入給SVM分類器，由該SVM根據(jù)第一直方圖特征、第二直方圖特征、第一索貝爾特征和第二索貝爾特征確定第一圖像和第二圖像是否為相似圖像。在本發(fā)明實施例中，根據(jù)第一圖像的第一索貝爾特征和第二圖像的第二索貝爾特征，確定第一圖像的邊緣和第二圖像的邊緣是否相似，以及根據(jù)第一圖像的第一直方圖特征和第二圖像的第二直方圖特征，確定第一圖像的顏色和第二圖像的顏色是否相似；如果第一圖像的邊緣和第二圖像的邊緣相似且第一圖像的顏色和第二圖像的顏色相似，則確定第一圖像和第二圖像為相似圖像，從而結(jié)合圖像的邊緣和顏色確定兩張圖像是否為相似圖像，提高了檢測相似圖像的準(zhǔn)確性。實施例3本發(fā)明實施例提供了一種檢測相似圖像的裝置，參見圖3-1，裝置包括：獲取模塊301，用于獲取第一圖像的第一索貝爾特征和第一直方圖特征，以及獲取第二圖像的第二索貝爾特征和第二直方圖特征；第一確定模塊302，用于根據(jù)第一索貝爾特征和第二索貝爾特征，確定第一圖像的邊緣和第二圖像的邊緣是否相似，以及根據(jù)第一直方圖特征和第二直方圖特征，確定第一圖像的顏色和第二圖像的顏色是否相似；第二確定模塊303，用于如果第一圖像的邊緣和第二圖像的邊緣相似且第一圖像的顏色和第二圖像的顏色相似，則確定第一圖像和第二圖像為相似圖像。進一步地，參見圖3-2，第一確定模塊302，包括：第一計算單元3021，用于計算第一索貝爾特征與第二索貝爾特征之間的第一相似度；第一確定單元3022，用于如果第一相似度大于第一預(yù)設(shè)數(shù)值，則確定第一圖像的邊緣和第二圖像的邊緣相似；第一確定模塊302，還包括：第二計算單元3023，計算第一直方圖特征與第二直方圖特征之間的第二相似度；第二確定單元3024，用于如果第二相似度大于第二預(yù)設(shè)數(shù)值，則確定第一圖像的顏色和第二圖像的顏色相似。進一步地，參見圖3-3，第二確定模塊303，包括：第三計算單元3031，用于根據(jù)第一相似度和第二相似度，計算第一圖像與第二圖像之間的第三相似度；第三確定單元3032，用于如果第三相似度大于第三預(yù)設(shè)數(shù)值，則確定第一圖像和第二圖像為相似圖像。進一步地，第一索貝爾特征包括第一圖像中的每個第一灰度圖像塊的第三索貝爾特征，第二索貝爾特征包括第二圖像中的每個第二灰度圖像塊的第四索貝爾特征，每個第一灰度圖像塊對應(yīng)一個第二灰度圖像塊；獲取模塊301，包括：轉(zhuǎn)換單元3011，用于分別將第一圖像和第二圖像進行灰度轉(zhuǎn)換得到第一灰度圖像和第二灰度圖像；劃分單元3012，用于分別將第一灰度圖像和第二灰度圖像均分為多個第一灰度圖像塊和多個第二灰度圖像塊；獲取單元3013，用于分別獲取每個第一灰度圖像塊的第三索貝爾特征和每個第一灰度圖像塊對應(yīng)的第二灰度圖像塊的第四索貝爾特征。進一步地，第一計算單元3021，包括：第一計算子單元，用于分別計算每個第一灰度圖像塊的第三索貝爾特征與每個第一灰度圖像塊對應(yīng)的第二灰度圖像塊的第四索貝爾特征之間的相似度，得到多個第四相似度；第二計算子單元，用于計算多個第四相似度的平均相似度作為第一索貝爾特征與第二索貝爾特征之間的第一相似度。進一步地，第一索貝爾特征包括第一圖像中的第一亮點數(shù)量和第一暗點數(shù)量，第二索貝爾特征包括第二圖像中的第二亮點數(shù)量和第二暗點數(shù)量；第一確定模塊302，包括：第四計算單元3025，用于根據(jù)第一亮點數(shù)量和第二亮點數(shù)量，計算第一圖像與第二圖像之間的亮點相似度；第五計算單元3026，用于根據(jù)第一暗點數(shù)量和第二暗點數(shù)量，計算第一圖像與第二圖像之間的暗點相似度；第六計算單元3027，用于根據(jù)亮點相似度和暗點相似度，計算第一索貝爾特征與第二索貝爾特征之間的第一相似度；第四確定單元3028，用于如果第一相似度大于第一預(yù)設(shè)數(shù)值，則確定第一圖像的邊緣和第二圖像的邊緣相似。進一步地，第一圖像的第一直方圖特征包括第一圖像中的每個第一圖像塊的第三直方圖特征，第二圖像的第二直方圖特征包括第二圖像中的每個第二圖像塊的第四直方圖特征，每個第一圖像塊對應(yīng)一個第二圖像塊；第二計算單元3023，包括：第三計算子單元，用于分別計算每個第一圖像塊的第三直方圖特征與每個第一圖像塊對應(yīng)的第二圖像塊的第四直方圖特征之間的相似度，得到多個第五相似度；第四計算子單元，用于計算多個第五相似度的平均相似度作為第一直方圖特征與第二直方圖特征之間的第二相似度。進一步地，該裝置還包括：第三確定模塊304，用于根據(jù)第一直方圖特征、第一索貝爾特征、第二直方 圖特征和第二索貝爾特征，通過支持向量機SVM分類器確定第一圖像和第二圖像是否為相似圖像。在本發(fā)明實施例中，根據(jù)第一圖像的第一索貝爾特征和第二圖像的第二索貝爾特征，確定第一圖像的邊緣和第二圖像的邊緣是否相似，以及根據(jù)第一圖像的第一直方圖特征和第二圖像的第二直方圖特征，確定第一圖像的顏色和第二圖像的顏色是否相似；如果第一圖像的邊緣和第二圖像的邊緣相似且第一圖像的顏色和第二圖像的顏色相似，則確定第一圖像和第二圖像為相似圖像，從而結(jié)合圖像的邊緣和顏色確定兩張圖像是否為相似圖像，提高了檢測相似圖像的準(zhǔn)確性。實施例4請參考圖4，其示出了本發(fā)明實施例所涉及的具有觸敏表面的終端結(jié)構(gòu)示意圖，該終端為上述實例3提供的檢測相似圖像的裝置提供運行環(huán)境。具體來講：終端900可以包括RF(RadioFrequency，射頻)電路110、包括有一個或一個以上計算機可讀存儲介質(zhì)的存儲器120、輸入單元130、顯示單元140、傳感器150、音頻電路160、WiFi(wirelessfidelity，無線保真)模塊170、包括有一個或者一個以上處理核心的處理器180、以及電源190等部件。本領(lǐng)域技術(shù)人員可以理解，圖4中示出的終端結(jié)構(gòu)并不構(gòu)成對終端的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布置。其中：RF電路110可用于收發(fā)信息或通話過程中，信號的接收和發(fā)送，特別地，將基站的下行信息接收后，交由一個或者一個以上處理器180處理；另外，將涉及上行的數(shù)據(jù)發(fā)送給基站。通常，RF電路110包括但不限于天線、至少一個放大器、調(diào)諧器、一個或多個振蕩器、用戶身份模塊(SIM)卡、收發(fā)信機、耦合器、LNA(LowNoiseAmplifier，低噪聲放大器)、雙工器等。此外，RF電路110還可以通過無線通信與網(wǎng)絡(luò)和其他設(shè)備通信。所述無線通信可以使用任一通信標(biāo)準(zhǔn)或協(xié)議，包括但不限于GSM(GlobalSystemofMobilecommunication，全球移動通訊系統(tǒng))、GPRS(GeneralPacketRadioService，通用分組無線服務(wù))、CDMA(CodeDivisionMultipleAccess，碼分多址)、WCDMA(WidebandCodeDivisionMultipleAccess,寬帶碼分多址)、LTE(LongTermEvolution,長期演進)、電子郵件、SMS(ShortMessagingService，短消息服務(wù))等。存儲器120可用于存儲軟件程序以及模塊，處理器180通過運行存儲在存儲器120的軟件程序以及模塊，從而執(zhí)行各種功能應(yīng)用以及數(shù)據(jù)處理。存儲器120可主要包括存儲程序區(qū)和存儲數(shù)據(jù)區(qū)，其中，存儲程序區(qū)可存儲操作系統(tǒng)、至少一個功能所需的應(yīng)用程序(比如聲音播放功能、圖像播放功能等)等；存儲數(shù)據(jù)區(qū)可存儲根據(jù)終端900的使用所創(chuàng)建的數(shù)據(jù)(比如音頻數(shù)據(jù)、電話本等)等。此外，存儲器120可以包括高速隨機存取存儲器，還可以包括非易失性存儲器，例如至少一個磁盤存儲器件、閃存器件、或其他易失性固態(tài)存儲器件。相應(yīng)地，存儲器120還可以包括存儲器控制器，以提供處理器180和輸入單元130對存儲器120的訪問。輸入單元130可用于接收輸入的數(shù)字或字符信息，以及產(chǎn)生與用戶設(shè)置以及功能控制有關(guān)的鍵盤、鼠標(biāo)、操作桿、光學(xué)或者軌跡球信號輸入。具體地，輸入單元130可包括觸敏表面131以及其他輸入設(shè)備132。觸敏表面131，也稱為觸摸顯示屏或者觸控板，可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸敏表面131上或在觸敏表面131附近的操作)，并根據(jù)預(yù)先設(shè)定的程式驅(qū)動相應(yīng)的連接裝置。可選的，觸敏表面131可包括觸摸檢測裝置和觸摸控制器兩個部分。其中，觸摸檢測裝置檢測用戶的觸摸方位，并檢測觸摸操作帶來的信號，將信號傳送給觸摸控制器；觸摸控制器從觸摸檢測裝置上接收觸摸信息，并將它轉(zhuǎn)換成觸點坐標(biāo)，再送給處理器180，并能接收處理器180發(fā)來的命令并加以執(zhí)行。此外，可以采用電阻式、電容式、紅外線以及表面聲波等多種類型實現(xiàn)觸敏表面131。除了觸敏表面131，輸入單元130還可以包括其他輸入設(shè)備132。具體地，其他輸入設(shè)備132可以包括但不限于物理鍵盤、功能鍵(比如音量控制按鍵、開關(guān)按鍵等)、軌跡球、鼠標(biāo)、操作桿等中的一種或多種。顯示單元140可用于顯示由用戶輸入的信息或提供給用戶的信息以及終端900的各種圖形用戶接口，這些圖形用戶接口可以由圖形、文本、圖標(biāo)、視頻和其任意組合來構(gòu)成。顯示單元140可包括顯示面板141，可選的，可以采用LCD(LiquidCrystalDisplay，液晶顯示器)、OLED(OrganicLight-EmittingDiode,有機發(fā)光二極管)等形式來配置顯示面板141。進一步的，觸敏表面131可覆蓋顯示面板141，當(dāng)觸敏表面131檢測到在其上或附近的觸摸操作后，傳送給處理器180以確定觸摸事件的類型，隨后處理器180根據(jù)觸摸事件的類型在顯示面 板141上提供相應(yīng)的視覺輸出。雖然在圖4中，觸敏表面131與顯示面板141是作為兩個獨立的部件來實現(xiàn)輸入和輸入功能，但是在某些實施例中，可以將觸敏表面131與顯示面板141集成而實現(xiàn)輸入和輸出功能。終端900還可包括至少一種傳感器150，比如光傳感器、運動傳感器以及其他傳感器。具體地，光傳感器可包括環(huán)境光傳感器及接近傳感器，其中，環(huán)境光傳感器可根據(jù)環(huán)境光線的明暗來調(diào)節(jié)顯示面板141的亮度，接近傳感器可在終端900移動到耳邊時，關(guān)閉顯示面板141和/或背光。作為運動傳感器的一種，重力加速度傳感器可檢測各個方向上(一般為三軸)加速度的大小，靜止時可檢測出重力的大小及方向，可用于識別手機姿態(tài)的應(yīng)用(比如橫豎屏切換、相關(guān)游戲、磁力計姿態(tài)校準(zhǔn))、振動識別相關(guān)功能(比如計步器、敲擊)等；至于終端900還可配置的陀螺儀、氣壓計、濕度計、溫度計、紅外線傳感器等其他傳感器，在此不再贅述。音頻電路160、揚聲器161，傳聲器162可提供用戶與終端900之間的音頻接口。音頻電路160可將接收到的音頻數(shù)據(jù)轉(zhuǎn)換后的電信號，傳輸?shù)綋P聲器161，由揚聲器161轉(zhuǎn)換為聲音信號輸出；另一方面，傳聲器162將收集的聲音信號轉(zhuǎn)換為電信號，由音頻電路160接收后轉(zhuǎn)換為音頻數(shù)據(jù)，再將音頻數(shù)據(jù)輸出處理器180處理后，經(jīng)RF電路110以發(fā)送給比如另一終端，或者將音頻數(shù)據(jù)輸出至存儲器120以便進一步處理。音頻電路160還可能包括耳塞插孔，以提供外設(shè)耳機與終端900的通信。WiFi屬于短距離無線傳輸技術(shù)，終端900通過WiFi模塊170可以幫助用戶收發(fā)電子郵件、瀏覽網(wǎng)頁和訪問流式媒體等，它為用戶提供了無線的寬帶互聯(lián)網(wǎng)訪問。雖然圖4示出了WiFi模塊170，但是可以理解的是，其并不屬于終端900的必須構(gòu)成，完全可以根據(jù)需要在不改變發(fā)明的本質(zhì)的范圍內(nèi)而省略。處理器180是終端900的控制中心，利用各種接口和線路連接整個手機的各個部分，通過運行或執(zhí)行存儲在存儲器120內(nèi)的軟件程序和/或模塊，以及調(diào)用存儲在存儲器120內(nèi)的數(shù)據(jù)，執(zhí)行終端900的各種功能和處理數(shù)據(jù)，從而對手機進行整體監(jiān)控?？蛇x的，處理器180可包括一個或多個處理核心；優(yōu)選的，處理器180可集成應(yīng)用處理器和調(diào)制解調(diào)處理器，其中，應(yīng)用處理器主要處理操作系統(tǒng)、用戶界面和應(yīng)用程序等，調(diào)制解調(diào)處理器主要處理無線通信?？梢岳斫獾氖牵鲜稣{(diào)制解調(diào)處理器也可以不集成到處理器180中。終端900還包括給各個部件供電的電源190(比如電池)，優(yōu)選的，電源可以通過電源管理系統(tǒng)與處理器180邏輯相連，從而通過電源管理系統(tǒng)實現(xiàn)管理充電、放電、以及功耗管理等功能。電源190還可以包括一個或一個以上的直流或交流電源、再充電系統(tǒng)、電源故障檢測電路、電源轉(zhuǎn)換器或者逆變器、電源狀態(tài)指示器等任意組件。盡管未示出，終端900還可以包括攝像頭、藍牙模塊等，在此不再贅述。具體在本實施例中，終端900的顯示單元是觸摸屏顯示器，終端900還包括有存儲器，以及一個或者一個以上的程序，其中一個或者一個以上程序存儲于存儲器中，且經(jīng)配置以由一個或者一個以上處理器執(zhí)行述一個或者一個以上程序包含用于進行以下操作的指令：獲取第一圖像的第一索貝爾特征和第一直方圖特征，以及獲取第二圖像的第二索貝爾特征和第二直方圖特征；根據(jù)所述第一索貝爾特征和所述第二索貝爾特征，確定所述第一圖像的邊緣和所述第二圖像的邊緣是否相似，以及根據(jù)所述第一直方圖特征和所述第二直方圖特征，確定所述第一圖像的顏色和所述第二圖像的顏色是否相似；如果所述第一圖像的邊緣和所述第二圖像的邊緣相似且所述第一圖像的顏色和所述第二圖像的顏色相似，則確定所述第一圖像和所述第二圖像為相似圖像。可選的，所述根據(jù)所述第一索貝爾特征和所述第二索貝爾特征，確定所述第一圖像的邊緣和所述第二圖像的邊緣是否相似，包括：計算所述第一索貝爾特征與所述第二索貝爾特征之間的第一相似度；如果所述第一相似度大于第一預(yù)設(shè)數(shù)值，則確定所述第一圖像的邊緣和所述第二圖像的邊緣相似；所述根據(jù)所述第一直方圖特征和所述第二直方圖特征，確定所述第一圖像的顏色和所述第二圖像的顏色是否相似，包括：計算所述第一直方圖特征與所述第二直方圖特征之間的第二相似度；如果所述第二相似度大于第二預(yù)設(shè)數(shù)值，則確定所述第一圖像的顏色和所述第二圖像的顏色相似?？蛇x的，所述如果所述第一圖像的邊緣和所述第二圖像的邊緣相似且所述第一圖像的顏色和所述第二圖像的顏色相似，則確定所述第一圖像和所述第二 圖像為相似圖像，包括：根據(jù)所述第一相似度和所述第二相似度，計算所述第一圖像與所述第二圖像之間的第三相似度；如果所述第三相似度大于第三預(yù)設(shè)數(shù)值，則確定所述第一圖像和所述第二圖像為相似圖像?？蛇x的，所述第一索貝爾特征包括所述第一圖像中的每個第一灰度圖像塊的第三索貝爾特征，所述第二索貝爾特征包括所述第二圖像中的每個第二灰度圖像塊的第四索貝爾特征，所述每個第一灰度圖像塊對應(yīng)一個第二灰度圖像塊；所述獲取第一圖像的第一索貝爾特征以及獲取第二圖像的第二索貝爾特征，包括：分別將第一圖像和第二圖像進行灰度轉(zhuǎn)換得到第一灰度圖像和第二灰度圖像；分別將所述第一灰度圖像和所述第二灰度圖像均分為多個第一灰度圖像塊和多個第二灰度圖像塊；分別獲取所述每個第一灰度圖像塊的第三索貝爾特征和所述每個第一灰度圖像塊對應(yīng)的第二灰度圖像塊的第四索貝爾特征。可選的，所述計算所述第一索貝爾特征與所述第二索貝爾特征之間的第一相似度，包括：分別計算所述每個第一灰度圖像塊的第三索貝爾特征與所述每個第一灰度圖像塊對應(yīng)的第二灰度圖像塊的第四索貝爾特征之間的相似度，得到多個第四相似度；計算所述多個第四相似度的平均相似度作為所述第一索貝爾特征與所述第二索貝爾特征之間的第一相似度?？蛇x的，所述第一索貝爾特征包括所述第一圖像中的第一亮點數(shù)量和第一暗點數(shù)量，所述第二索貝爾特征包括所述第二圖像中的第二亮點數(shù)量和第二暗點數(shù)量；所述根據(jù)所述第一索貝爾特征和所述第二索貝爾特征，確定所述第一圖像的邊緣和所述第二圖像的邊緣是否相似，包括：根據(jù)所述第一亮點數(shù)量和所述第二亮點數(shù)量，計算所述第一圖像與所述第二圖像之間的亮點相似度；根據(jù)所述第一暗點數(shù)量和所述第二暗點數(shù)量，計算所述第一圖像與所述第二圖像之間的暗點相似度；根據(jù)所述亮點相似度和所述暗點相似度，計算所述第一索貝爾特征與所述第二索貝爾特征之間的第一相似度；如果所述第一相似度大于第一預(yù)設(shè)數(shù)值，則確定所述第一圖像的邊緣和所述第二圖像的邊緣相似?？蛇x的，所述第一圖像的第一直方圖特征包括所述第一圖像中的每個第一圖像塊的第三直方圖特征，所述第二圖像的第二直方圖特征包括所述第二圖像中的每個第二圖像塊的第四直方圖特征，所述每個第一圖像塊對應(yīng)一個第二圖像塊；所述計算所述第一直方圖特征與所述第二直方圖特征之間的第二相似度，包括：分別計算所述每個第一圖像塊的第三直方圖特征與所述每個第一圖像塊對應(yīng)的第二圖像塊的第四直方圖特征之間的相似度，得到多個第五相似度；計算所述多個第五相似度的平均相似度作為所述第一直方圖特征與所述第二直方圖特征之間的第二相似度?？蛇x的，所述方法還包括：根據(jù)所述第一直方圖特征、所述第一索貝爾特征、所述第二直方圖特征和所述第二索貝爾特征，通過支持向量機SVM分類器確定所述第一圖像和所述第二圖像是否為相似圖像。在本發(fā)明實施例中，根據(jù)第一圖像的第一索貝爾特征和第二圖像的第二索貝爾特征，確定第一圖像的邊緣和第二圖像的邊緣是否相似，以及根據(jù)第一圖像的第一直方圖特征和第二圖像的第二直方圖特征，確定第一圖像的顏色和第二圖像的顏色是否相似；如果第一圖像的邊緣和第二圖像的邊緣相似且第一圖像的顏色和第二圖像的顏色相似，則確定第一圖像和第二圖像為相似圖像，從而結(jié)合圖像的邊緣和顏色確定兩張圖像是否為相似圖像，提高了檢測相似圖像的準(zhǔn)確性。需要說明的是：上述實施例提供的檢測相似圖像的裝置在檢測相似圖像時，僅以上述各功能模塊的劃分進行舉例說明，實際應(yīng)用中，可以根據(jù)需要而將上 述功能分配由不同的功能模塊完成，即將裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。另外，上述實施例提供的檢測相似圖像的裝置與檢測相似圖像的方法實施例屬于同一構(gòu)思，其具體實現(xiàn)過程詳見方法實施例，這里不再贅述。本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。當(dāng)前第1頁1 2 3