Еще одна версия алгоритма сравнения изображений

Написал в конце

Чтобы не шло много трафика, а миниатюры сейчас не могу сделать, хабрасторейдж глючит.

Тоже самое делал с этой собакой, второму изображению сильно увеличивал яркость, разность была около 120. Извините, не выложу изображение

А как еще можно пройтись по элементам выше главной диагонали?

Код уникален тем, что практически не одна из переменных не названа удобоварима и без анализа кода не понятно ее значение.
Например, если мне нужно понять что такое $count, я должен найти в начале строчку:
$count = count($this->Images);
А можно было бы по другому: $images_count = count($this->Images);

За $i, $j, и $k нужно, увы, рвать яйца даже не кодерам, а авторам большинства учебников, которые в свою очередь свистнули эти индексы из математики, которой глубоко посрать на какие то конкретные привязки переменных.

Вот у меня на экране код метода:

for ($i = 0; $i < $count; $i++)
{
for ($k = $i + 1; $k < $count; $k++)
{
//echo "\r\n
" .
$this->Images[$k][1][$i] =
$this->Images[$i][1][$k] = $this->_getDiff($i, $k);
}
}



Кто ни будь, не роясь в остальном коде, может сказать, что такое $i, что такое $k, чему соответствует $this->Images[$k][1][$i], и количеством чего является $count?

Просто счетчики — редкость, если мы не создаем библиотеку различных математических функций. Тогда мы действительно не знаем, что мы считаем. В остальных случаях всегда можно назвать счетчик исходя из того, что мы считаем, строки это, столбцы, сегменты, изображения в массиве или еще что. Если мы не можем назвать счетчик, скорее всего мы сами плохо понимаем что он делает, либо перестанем понимать как только переключимся на другой кусок кода.

Сорри, за все это занудство, просто, пардон, все эти «глупые мелочи», как раз то, что превращает работу программиста (и его колег) из интеллектуальной поэзии в ад, и наоборот.

Про общие вещи — описание алгоритма содержит чуть ли не больше информации как он закодирован в итоге, нежели о том, как это работает, откуда взялись подобные коэффициенты и размерности, почему именно 9 (породив тем самым кучу дорогих операций с плавающей точкой), а не 8 или тогда уж 42. Почему именно 63, а не 64? Многое из этого не понять ни с первого ни со второго захода.

Зачем уменьшать именно до 8х8, а при 4х4 сильно хуже сравнивает, а при 16х16 сильно медленнее? А если делать шашечками через один сегмент? А насколько при этом точнее? А может хватило бы 4-х цветов?
Когда люди тестируют алгоритмы, они в первую очередь после их создания пытаются ответить именно на эти вопросы, что отражено в любой публикации на схожие темы. Иначе просто непонятно, имеет ли их разработка право на жизнь, это прорыв (допустим в быстрых алгоритмах сопоставления) или наоборот, тормоз-франкельштейн? Без апробации и тестирования это просто неизвестно. И она составляет вторую половину работы — создать методику тестирования или применить чужую, набрать тестовый материал, или разные группы для него.

Писать алгоритм на PHP тоже не учень удобно, единственное оправдание — язык хорошо знаком. А так есть Matlab с целым ворохом инструментов для подобной работы, есть языки для быстрого прототипирования, где получится в три раза меньше строк и можно сосредоточиться на непосредственно логике.

Вообще обзор по методикам создания fingerprint-ов изображений был бы полезен.

То, что предлагает автор достаточно известная штука с известными недостатками. Куда интереснее методики поиска частичных совпадений в вейвлет представлениях или анализирующие пропорции расстояний между различными артефактами на изображениях (крайне упрощенно — находим 10 углов или прочих характерных перепадов градиента, записываем расстояния между центрами зон присутствия таких артефактов, потом сравниваем по такому отпечатку), особенно часто такие штуки встречаются в системах распознавания лиц.

Более конкретные методики уже касаются непосредственно детекторов этих уникальных особенностей изображений, например «потомки» Viola-jones много где используются.

Пока самое чахлое из направлений в прикладном плане — это нейросетки, но оно же и самое перспективное, так как потенциально обещает резкий переход количества в качество по мере роста аппаратных мощностей.