David 9 博客没有专门分享过机器视觉，或者图像处理的文章，但是，上周2016年计算机识别大会（CVPR 2016）在拉斯维加斯举办了，借着这个契机我们分享一篇好文：Advanced Image Processing with Python ，希望大家喜欢。
建立图像处理搜索引擎不是一项简单的工作。 有太多的概念，统计，想法和技术需要深入。其中一个重要的图像处理概念是“反向图片查询” (RIQ) 或者说“反向图片搜索”。 谷歌，Cloudera，Sumo Logic和Birst是一些使用RIQ的知名组织。RIQ提供了好的方法去分析图像，并且利用数据挖掘。
知名公司和反向图片搜索
许多公司使用RIQ来达成他们的需求。比如Pinterest在2014年首次引入基于图像的搜索。随后在2015年出了白皮书展示架构。反向图片搜索使得Pinterest能够从时尚对象获得图像特征，并且展示相似产品推荐。
众所周知，谷歌反向图片搜索使得用户可以上传一张图片，然后搜索类似图片。上传的图片经过分析和模型计算。图片与成千上万的图片做对比然后匹配返回结果。
这里是一张来自OpenCV2.4.9的特征对比报告:
算法和Python库
在我们开始工作前，让我们来看看Python图像处理搜索引擎的主要元素。
专利算法
SIFT（Scale-Invariant Feature Transform）弹性不变特征转换算法
- 专利收费算法，可以用图片识别器识别相似图片，甚至可以从不同角度，尺寸，深度和拉伸识别搜索结果。在这里你可以查看详细视频。
- SIFT在一个大的数据库特征上非常多的图片都正确地达到了一定搜索精度。