Libpuzzle Индексиране на милиони снимки?

И така, нека да разгледаме примера, който дават, и да се опитаме да разширим.

Да предположим, че имате таблица, която съхранява информация, свързана с всяко изображение (път, име, описание и т.н.). В тази таблица ще включите поле за компресирания подпис, изчислен и съхранен, когато първоначално попълвате базата данни. Нека дефинираме тази таблица по следния начин:

CREATE TABLE images (
    image_id INTEGER NOT NULL PRIMARY KEY,
    name TEXT,
    description TEXT,
    file_path TEXT NOT NULL,
    url_path TEXT NOT NULL,
    signature TEXT NOT NULL
);

Когато първоначално изчислявате подписа, вие също ще изчислите няколко думи от подписа:

// this will be run once for each image:
$cvec = puzzle_fill_cvec_from_file('img1.jpg');
$words = array();
$wordlen = 10; // this is $k from the example
$wordcnt = 100; // this is $n from the example
for ($i=0; $i<min($wordcnt, strlen($cvec)-$wordlen+1); $i++) {
    $words[] = substr($cvec, $i, $wordlen);
}

Сега можете да поставите тези думи в таблица, дефинирана по следния начин:

CREATE TABLE img_sig_words (
    image_id INTEGER NOT NULL,
    sig_word TEXT NOT NULL,
    FOREIGN KEY (image_id) REFERENCES images (image_id),
    INDEX (image_id, sig_word)
);

Сега вмъквате в тази таблица, като добавяте индекса на позицията на мястото, където е намерена думата, така че да знаете, когато дадена дума съвпада, че съвпада на същото място в подписа:

// the signature, along with all other data, has already been inserted into the images
// table, and $image_id has been populated with the resulting primary key
foreach ($words as $index => $word) {
    $sig_word = $index.'__'.$word;
    $dbobj->query("INSERT INTO img_sig_words (image_id, sig_word) VALUES ($image_id,
        '$sig_word')"); // figure a suitably defined db abstraction layer...
}

Вашите данни, инициализирани по този начин, можете да вземете изображения със съвпадащи думи сравнително лесно:

// $image_id is set to the base image that you are trying to find matches to
$dbobj->query("SELECT i.*, COUNT(isw.sig_word) as strength FROM images i JOIN img_sig_words
    isw ON i.image_id = isw.image_id JOIN img_sig_words isw_search ON isw.sig_word =
    isw_search.sig_word AND isw.image_id != isw_search.image_id WHERE
    isw_search.image_id = $image_id GROUP BY i.image_id, i.name, i.description,
    i.file_path, i.url_path, i.signature ORDER BY strength DESC");

Можете да подобрите заявката, като добавите HAVING клауза, която изисква минимална strength , като по този начин допълнително намалявате вашия съвпадащ набор.

Не давам никакви гаранции, че това е най-ефективната настройка, но трябва да е приблизително функционална, за да постигнете това, което търсите.

По принцип разделянето и съхраняването на думите по този начин ви позволява да направите груба проверка на разстоянието, без да се налага да изпълнявате специализирана функция върху подписите.