图像搜索引擎需要为在Web上浏览过的图像建立索引信息，能够进行图像分析和判别，为图像加注释，存储抽取出的索引信息建立索引库，理想的图像搜索引擎还应该能支持基于内容的图像检索。 图像识别方法1、自动查找图形文：可以通过两个HTML标签，即IMGSRC和HREF来检测是否存在可显示的图像文件，IMGSRC表示“显示下面的图像文件”，而HREF则表示“下面是一个链接”，这两种标签经常导向一个图像文件。搜索引擎通过检查文件扩展名来判断链接的是否是图像文件。如果文件扩展名是.GIF或.JPG，那它就是一个可显示的图像。2、人工干预找出图像并进行分类：即人工对网上的图像及站点进行选择。这种方法可以产生准确的查询体系，但劳动强度太大，限制了处理图像的数量。由于图像不同于文本，需要人们按照各自的理解来说明其蕴含的意义，因此图像检索比起文本的查询和匹配要困难得多。目前的图像搜索引擎大多支持关键词检索和分类浏览两种检索方式，部分可提供可视属性检索，但也很有限。它们主要的检索途径有以下几种：a.基于图像外部信息：即根据图像的文件名或目录名、路径名、链路、ALT标签以及图像周围的文本信息等外部信息进行检索，这是目前图像搜索引擎采用最多的方法。在找出图像文件后，图像搜索引擎通过查看文件名或路径名确定文件内容，但这取决于文件名或路径名的描述程度。b.基于图像内容特征描述：这是一种语义层次的匹配。需要人工对图像的内容（如物体、背景、构成、颜色特征等）进行描述并分类，给出描述词。检索时，将主要在这些描述词中搜索你的检索词。这种查询方式是比较准确的，一般来讲可以获得较好的查准率。但需人工参与，劳动强度大，因而限制了可处理的图像数量，并且需要一定的规范和标准，效果取决于人工描述的精确度。c. 基于图像形式特征的抽取：由图像分析软件自动抽取图像的颜色、形状、纹理等特征，建立特征索引库，用户只需将要查找的图像的大致特征描述出来，就可以找出与之具有相近特征的图像。这是一种基于图像特征层次的机械匹配，特别适用于检索目标明确的查询要求（例如对商标的检索）。产生的结果也是最接近用户要求的。但目前这种较成熟的检索技术主要应用于图像数据库的检索，在网上图像搜索引擎中应用这种检索技术还具有一定的困难

百度图像搜索，是百度公司推出的新型搜索服务，打破“二维码搜索”局限，全面升级图像搜索技术与应用。依赖于百度一流的图像识别技术和搜索引擎，用户可通过对图像的拍照扫描，就可以得到精准的结果。目前用户可以在手机百度、百度浏览器、百度HD上体验百度图像搜索.第一步：下载/打开手机百度第二步：找到并点击搜索框内的照相机第三步：选择相应功能进行拍摄，发起搜索使用中如果出现相机不可用的情况，很可能是手机系统限制了相关百度产品启用相机的权限。解决方法：iPhone：手机的“设置”->“隐私”->“相机”，允许手机百度或百度HD访问相机小米：“安全中心”->“授权管理”->“应用权限管理”->“权限管理”->“相机”，点击“手机百度”或“百度浏览器”，并选择允许华为：手机的“设置”->“权限管理”->“相机”，将“手机百度”或“百度浏览器”设为“允许”三星：手机的“设定”->“安全”->“应用程序许可”->“媒体”->选择“手机百度”或“百度浏览器”->打开“相机”

方法：打开百度，点击搜索栏的拍照按钮，在屏幕下方的选择栏中选择答疑，拍下你想查找的题目即可。百度拍题搜索是百度图像搜索中的一项特色功能，它利用百度专业的文字识别、检索技术的支持，帮助拍照上传题目的孩子们进行详细的解题答疑。其推荐搜索结果接入了作业帮千万级中小学全科目优质题库资源，均已经过名师的校验和修改，提供知识点、详细解析及解答过程。以下是百度拍照搜题技巧的相关介绍：1、手机横屏拍照，能最大范围拍到题目；题目要拍正拍清楚，不要歪或模糊；如果灯光暗，打开闪光灯拍照效果更好。2、尽量将题目拍摄完整，如果题目太长，从题目开头拍照比较好。3、次只能搜一道题，因此截图时只框选一道要搜的题目。4、由于暂时不能识别手写文字，请拍摄印刷体题目进行识别。题目搜索结果展现，提供推荐结果（专业题库资源，来源为作业帮）以及全网搜题结果（百度全网资源搜索）。推荐结果为专业题库提供，有完整的知识点、解析及解答过程。以上资料参考百度百科——百度拍照搜题
点下面的“搜题”，直接拍，自己会搜

简单说 就是拍照识别，鉴你所见哦 百度图像搜索，充分利用了百度在精准图像识别、智能意图分析领域的顶尖技术，同时基于百度强大的搜索引擎，结合大数据处理能力和丰富的软硬件资源，对互联网的海量信息、服务进行有效的索引和过滤，从而为用户提供更满意的信息和服务。
听歌一凵人生就是一处戏

图片搜索的原理有三个步骤 1. 将目标图片进行特征提取，描述图像的算法很多，用的比较多的是：SIFT描述子，指纹算法函数，bundling features算法，hash function（散列函数）等。也可以根据不同的图像，设计不同的算法，比如图像局部N阶矩的方法提取图像特征。2. 将图像特征信息进行编码，并将海量图像编码做查找表。对于目标图像，可以对分辨率较大的图像进行降采样，减少运算量后在进行图像特征提取和编码处理。3. 相似度匹配运算：利用目标图像的编码值，在图像搜索引擎中的图像数据库进行全局或是局部的相似度计算；根据所需要的鲁棒性，设定阈值，然后将相似度高的图片预保留下来；最后应该还有一步筛选最佳匹配图片，这个应该还是用到特征检测算法。其中每个步骤都有很多算法研究，围绕数学，统计学，图像编码，信号处理等理论进行研究。根据Neal Krawetz博士的解释，原理非常简单易懂。我们可以用一个快速算法，就达到基本的效果。这里的关键技术叫做"感知哈希算法"（Perceptual hash algorithm），它的作用是对每张图片生成一个"指纹"（fingerprint）字符串，然后比较不同图片的指纹。结果越接近，就说明图片越相似。下面是一个最简单的实现：第一步，缩小尺寸。将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。第二步，简化色彩。将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。第三步，计算平均值。计算所有64个像素的灰度平均值。第四步，比较像素的灰度。将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。第五步，计算哈希值。将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算"汉明距离"（Hammingdistance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。具体的代码实现，可以参见Wote用python语言写的imgHash.py。代码很短，只有53行。使用的时候，第一个参数是基准图片，第二个参数是用来比较的其他图片所在的目录，返回结果是两张图片之间不相同的数据位数量（汉明距离）。这种算法的优点是简单快速，不受图片大小缩放的影响，缺点是图片的内容不能变更。如果在图片上加几个文字，它就认不出来了。所以，它的最佳用途是根据缩略图，找出原图。 实际应用中，往往采用更强大的pHash算法和SIFT算法，它们能够识别图片的变形。只要变形程度不超过25%，它们就能匹配原图。这些算法虽然更复杂，但是原理与上面的简便算法是一样的，就是先将图片转化成Hash字符串，然后再进行比较。
原理：百度看不见图片，但是百度索引擎可以识别文字，只要你在上传图片的时候写上ALT（图片属性，属性就是这图片的内容），然后引擎才能知道你这张图片是表达什么意思的，百度才会收录。 收录后你百度一下你之前在图片里面写的文字，然后搜索百度图片可以找到你的图片了
原理：百度看不见图片，但是百度索引擎可以识别文字，只要你在上传图片的时候写上ALT（图片属性，属性就是这图片的内容），然后引擎才能知道你这张图片是表达什么意思的，百度才会收录。 收录后你百度一下你之前在图片里面写的文字，然后搜索百度图片可以找到你的图片了
这个涉及到和复杂的模式识别以及人工智能的算法