论文“任何类型的图像的图像签名”中的算法背后的推理是什么？

Question

在H.Chi Wong，Marshall Bern，David Goldberg的论文“任何类型的图像的图像签名”中提到的算法步骤背后的原因是什么？这是该研究论文的链接：http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.104.2585&rep=rep1&type=pdf

论文的第二步是：“对于图像的每一列，我们计算该列中相邻像素之间差异的绝对值之和。我们计算所有列的总和，并在5%和95%的列上裁剪图像，也就是说，这些列的差异总和的5%位于裁剪图像的任一侧。”你所说的“在5%和95%的列上裁剪图像”和“位于裁剪图像的两侧”是什么意思？第一步是将图像转换为灰度。

第二步说明必须在图像上施加9x9网格的点，如何使用Microsoft Visual Studio2012中的OpenCV 2.4.11来做到这一点？

提前感谢您的时间和努力。

附言:我是一名学生，在一家研究机构为非营利事业工作。你对这些问题的回答对于实现一个寻找相似图像的项目将是非常重要和有用的。

Answer 1

如果你想实现一个项目来查找相似的图像，你不需要重新编码，因为这里有一个完整的，可用的开源算法实现( Python)：

https://github.com/ascribe/image-match

这个github回购声称是上述论文的一个实现：“任何类型图像的图像签名”，作者是H.Chi Wong，马歇尔·伯尔尼，大卫·戈德堡。