原理部分來自阮一峰部落格

http://www.ruanyifeng.com/blog/2013/03/similar_image_search_part_ii.html

顏色分佈法：

每張圖片都可以生成顏色分佈的直方圖（color histogram）。如果兩張圖片的直方圖很接近，就可以認為它們很相似。

任何一種顏色都是由紅綠藍三原色（RGB）構成的，所以上圖共有4張直方圖（三原色直方圖 + 最後合成的直方圖）。

如果每種原色都可以取256個值，那麼整個顏色空間共有1600萬種顏色（256的三次方）。針對這1600萬種顏色比較直方圖，計算量實在太大了，因此需要採用簡化方法。可以將0～255分成四個區：0～63為第0區，64～127為第1區，128～191為第2區，192～255為第3區。這意味著紅綠藍分別有4個區，總共可以構成64種組合（4的3次方）。

任何一種顏色必然屬於這64種組合中的一種，這樣就可以統計每一種組合包含的畫素數量。

上圖是某張圖片的顏色分佈表，將表中最後一欄提取出來，組成一個64維向量(7414, 230, 0, 0, 8, ..., 109, 0, 0, 3415, 53929)。這個向量就是這張圖片的特徵值或者叫"指紋"。

於是，尋找相似圖片就變成了找出與其最相似的向量。這可以用皮爾遜相關係數或者餘弦相似度算出。

實現程式碼如下：

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>
#include <iostream>
#include <algorithm>
using namespace std;
using namespace cv;
void getRGBvector(const Mat&src, vector<unsigned int>& count)//得到64維向量
{
	int nRows = src.rows,nCols = src.cols * src.channels();
	const uchar* p;
	for (int i = 0; i < nRows; ++i)
	{
		p = src.ptr<uchar>(i);
		for (int j = 0; j < nCols; j += 3)
		{
			int r = int(p[j])/64;    
			int g = int(p[j + 1])/64;
			int b = int(p[j + 2])/64;
			count[r * 16 + g * 4 + b]++;
		}
	}
}
double getVectorLength(vector<unsigned int> &vec)
{
	long long res = 0;
	for (int i = 0; i < vec.size(); i++)
 		res += vec[i] * vec[i];
 	return sqrt(res);
}
double getcos(vector<unsigned int> &count1, vector<unsigned int> &count2)
{
	double len1 = getVectorLength(count1);
	double len2 = getVectorLength(count2);
	assert(len1 != 0 && len2 != 0);
	long long sum = 0;
	for (int i = 0; i < count1.size(); i++)
		sum += count1[i] * count2[i];
	return (double)sum / len1 / len2 >0 ? (double)sum / len1 / len2:0;
}
double getsimilarity(const Mat&src1, const Mat&src2)
{
	vector<unsigned int> count1(64), count2(64);
	getRGBvector(src1, count1);
	getRGBvector(src2, count2);
	double res = getcos(count1, count2);
	return res;
}
int main()
{
	Mat src1 = imread("晚霞1.jpg",1),src2 = imread("晚霞2.jpg", 1);
	imshow("src", src1),imshow("src", src2);
	double res = getsimilarity(src1,src2);
	cout << res << endl;
	waitKey(0);

}