blocks|key|466562|text|您可以使用OpenCV库。它可以在Java中使用。请关注http://docs.opencv.org/doc/tutorials/introduction/desktop_java/java_dev_intro.html|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|466563|关于图像比较，你可以在这里看到另一个有用的答案：Checking+images+for+similarity+with+OpenCV|466564|entityMap|0|LINK|mutability|MUTABLE|url|http://docs.opencv.org/doc/tutorials/introduction/desktop_java/java_dev_intro.html|1|https://stackoverflow.com/questions/11541154/checking-images-for-similarity-with-opencv^0|S|2A|0|0|O|16|1|0^^$0|@$1|2|3|4|5|6|7|P|8|@]|9|@$A|Q|B|R|1|S]]|C|$]]|$1|D|3|E|5|6|7|T|8|@]|9|@$A|U|B|V|1|W]]|C|$]]|$1|F|3|-4|5|6|7|X|8|@]|9|@]|C|$]]]|G|$H|$5|I|J|K|C|$L|M]]|N|$5|I|J|K|C|$L|O]]]]

You can use the OpenCV library. It can be used in Java. Please follow <a href="http://docs.opencv.org/doc/tutorials/introduction/desktop_java/java_dev_intro.html" rel="nofollow noreferrer">http://docs.opencv.org/doc/tutorials/introduction/desktop_java/java_dev_intro.html</a>

Regarding image compare, you can see another useful answer here: <a href="https://stackoverflow.com/questions/11541154/checking-images-for-similarity-with-opencv">Checking images for similarity with OpenCV</a>

blocks|key|3368010|text|我认为这更多的是关于性能，而不是关于图像比较本身，答案是这样写的，所以如果你需要帮助比较本身，请评论我…|type|unstyled|depth|inlineStyleRanges|entityRanges|data|3368011|每个图像的|3368012|create简化直方图|ordered-list-item|offset|length|style|BOLD|3368013|3368014|假设每个通道有8个值，每个强度等级限制为4位。这将导致每个图像的3*8*4=3*32位数|CODE|3368015|3368016|sort图像|3368017|3368018|取上面的直方图，并将其视为单个数字，并按其对A图像分组进行排序，无论是升序还是降序|3368019|3368020|matching+A+B+和分组图像|3368021|3368022|现在对应的图像应该有相似的直方图，所以从未排序的组B+(带水印的)中获取图像，并在组(原始)中搜索所有最接近的匹配项，然后仅针对选定的图像而不是5000.，使用更健壮的方法进行更多比较|3368023|如果来自+A+组的图像已与匹配，则为标志|3368024|因此，您可以忽略bullet+#3中已匹配的图像，以获得更快的|3368025|笔记|3368026|还有其他方法可以改进，比如使用Perceptual+hash+algorithms|3368027|entityMap|0|LINK|mutability|MUTABLE|url|https://www.memonic.com/user/aengus/folder/coding/id/1qVeq^0|0|0|0|B|0|0|W|A|0|0|0|6|0|0|M|1|0|0|0|8|9|1|B|1|D|5|9|1|B|1|0|0|P|1|20|4|15|1F|0|0|4|5|1|7|6|5|1|0|F|2|0|0|2|0|F|Q|0|0^^$0|@$1|2|3|4|5|6|7|1G|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|1H|8|@]|9|@]|A|$]]|$1|D|3|E|5|F|7|1I|8|@$G|1J|H|1K|I|J]]|9|@]|A|$]]|$1|K|3|-4|5|6|7|1L|8|@]|9|@]|A|$]]|$1|L|3|M|5|6|7|1M|8|@$G|1N|H|1O|I|N]]|9|@]|A|$]]|$1|O|3|-4|5|6|7|1P|8|@]|9|@]|A|$]]|$1|P|3|Q|5|F|7|1Q|8|@$G|1R|H|1S|I|J]]|9|@]|A|$]]|$1|R|3|-4|5|6|7|1T|8|@]|9|@]|A|$]]|$1|S|3|T|5|6|7|1U|8|@$G|1V|H|1W|I|N]]|9|@]|A|$]]|$1|U|3|-4|5|6|7|1X|8|@]|9|@]|A|$]]|$1|V|3|W|5|F|7|1Y|8|@$G|1Z|H|20|I|J]|$G|21|H|22|I|J]|$G|23|H|24|I|J]|$G|25|H|26|I|J]|$G|27|H|28|I|N]|$G|29|H|2A|I|N]]|9|@]|A|$]]|$1|X|3|-4|5|6|7|2B|8|@]|9|@]|A|$]]|$1|Y|3|Z|5|6|7|2C|8|@$G|2D|H|2E|I|N]|$G|2F|H|2G|I|N]|$G|2H|H|2I|I|J]]|9|@]|A|$]]|$1|10|3|11|5|6|7|2J|8|@$G|2K|H|2L|I|J]|$G|2M|H|2N|I|J]|$G|2O|H|2P|I|J]|$G|2Q|H|2R|I|N]]|9|@]|A|$]]|$1|12|3|13|5|6|7|2S|8|@$G|2T|H|2U|I|J]]|9|@]|A|$]]|$1|14|3|15|5|6|7|2V|8|@$G|2W|H|2X|I|J]]|9|@]|A|$]]|$1|16|3|17|5|6|7|2Y|8|@]|9|@$G|2Z|H|30|1|31]]|A|$]]|$1|18|3|-4|5|6|7|32|8|@]|9|@]|A|$]]]|19|$1A|$5|1B|1C|1D|A|$1E|1F]]]]

I think this is more about performance then about the image comparison itself and the answer is written in such manner so if you need help with the comparison itself comment me ...
<ol>
<li>create simplified histogram for each image
let say 8 values per each channel limiting to 4 bits per each intensity level. That will lead to <code>3*8*4=3*32</code> bits per image
</li>
<li>sort images
take above histogram and consider it as a single number and sort the images of <code>A</code> group by it does not matter if ascending or descending
</li>
<li>matching <code>A</code> and <code>B</code> grouped images
now the corresponding images should have similar histograms so take image from unsorted group <code>B</code> (watermarked), bin-search all the closest match in <code>A</code> group (original) and then compare more with more robust methods just against selected images instead of <code>5000</code>.
</li>
<li>add flag if image from <code>A</code> group is already matched
so you can ignore already matched images in bullet #3 to gain more speed
</li>
</ol>
[Notes]
there are other ways to improvement like use <a href="https://www.memonic.com/user/aengus/folder/coding/id/1qVeq" rel="nofollow noreferrer">Perceptual hash algorithms</a>

I have about 5000 images with water marks on them and 5000 identical images with no watermarks. The file names of each set of images are not correlated to each other in any way. I'm looking for an API in Java preferably that I can use to pair each water marked image with its non-water marked pair.

Java - Image Recognition

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我有大约5000个图像上有水印和5000个相同的图像没有水印。每组图像的文件名不以任何方式相互关联。我正在寻找一个API在Java中，最好是我可以用来配对每个水印图像与其非水印对。

问Java -图像识别
EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Java -图像识别EN

回答 2

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Java -图像识别
EN