『壹』 百度的「圖片」裡面搜索到的圖片是怎麼樣搜索到的從哪裡搜索出來的
搜索引擎的圖片搜索功能，基本原理其實和文字搜索是類似的，因為在網頁上，圖片的附近通常都會有相應的文字出現，如蘋果圖片的下方通常會附著「蘋果」二字，劉德華圖片所在的新聞肯定會出現劉德華三個字。所以在搜索的時候也是輸入文字查詢而不是上傳圖片查找。
『貳』 怎樣才能讓搜索引擎直接搜到網站內圖片
一般搜索引擎上面或者下面都有圖片選項，選擇圖片後在輸入你想要搜索的圖片名字就可以直接搜索出來圖片了
『叄』 ★搜索引擎是怎樣搜索圖片的★
搜索引擎命令 搜索引擎技巧 搜索快速 搜索輕松 方法技巧全集
『肆』 如何搜索引擎自動抓取網站圖片
1
網站有網站地圖
按網站地圖抓取
需要在robots.txt里設置
2
沒有網站地圖
按著站內鏈接抓取每個頁面
搜索引擎可以抓取文字
圖片
flash
但是
不能識別圖片和flash
『伍』 怎麼用搜索照片出處
今天小編要和大家分享的是教你怎樣通過利用圖片查找圖片來源出處，希望能夠幫助到大家。
操作方法
01
首先在我們的電腦瀏覽器中輸入圖片並點擊回車鍵。
02
然後點擊圖片官網。
03
接著點擊屏幕中的相機圖標。
04
然後點擊本地上傳，
05
接著雙擊一張我們要查找的圖。
06
通過以上操作，我們就可以查找到圖片來源和相似圖片了。
(5)搜索引擎圖片怎麼取出來擴展閱讀：
電腦電池使用方面的維護
1．當無外接電源的情況下，倘若當時的工作狀況暫時用不到PCMCIA插槽中的卡片，建議先將卡片移除以延長電池使用時間。
2．室溫(22度)為電池最適宜之工作溫度，溫度過高或過低的操作環境將降低電池的使用時間。
3．在可提供穩定電源的環境下使用筆記本電腦時，將電池移除可延長電池使用壽命。就華碩筆記本電腦而言，當電池電力滿充之後，電池中的充電電路會自動關閉，所以不會發生過充的現象。
4．建議平均三個月進行一次電池電力校正的動作。
5．盡量減少使用電池的次數
電池的充放電次數直接關繫到壽命，每充一次，電池就向退役前進了一步。建議大家盡量使用外接電源，
6．使用外接電源時應將電池取下（鋰電池不在此列）。
有的用戶經常在一天中多次插拔電源，且筆記本電腦裝有電池，這樣做，對電池的損壞更大。因為每次外接電源接入就相當於給電池充電一次，電池自然就折壽了（特指鎳氫和鎳鎘電池，鋰電池不存在這種情況）。
7.電量用盡後再充電和避免充電時間過長
您的筆記本使用的是鎳氫電池與鎳鎘電池，一定要將電量用盡後再充(電量低於1%)，這是避免記憶效應的最好方法。
8．平時使用注意事項
在平時使用時要防止曝曬、防止受潮、防止化學液體侵蝕、避免電池觸點與金屬物接觸等情況的發生。
『陸』 百度圖片搜索引擎原理是如何實現的
圖片搜索的原理有三個步驟
1. 將目標圖片進行特徵提取，描述圖像的演算法很多，用的比較多的是：SIFT描述子，指紋演算法函數，bundling features演算法，hash function（散列函數）等。也可以根據不同的圖像，設計不同的演算法，比如圖像局部N階矩的方法提取圖像特徵。
2. 將圖像特徵信息進行編碼，並將海量圖像編碼做查找表。對於目標圖像，可以對解析度較大的圖像進行降采樣，減少運算量後在進行圖像特徵提取和編碼處理。
3. 相似度匹配運算：利用目標圖像的編碼值，在圖像搜索引擎中的圖像資料庫進行全局或是局部的相似度計算；根據所需要的魯棒性，設定閾值，然後將相似度高的圖片預保留下來；最後應該還有一步篩選最佳匹配圖片，這個應該還是用到特徵檢測演算法。
其中每個步驟都有很多演算法研究，圍繞數學，統計學，圖像編碼，信號處理等理論進行研究。
根據Neal Krawetz博士的解釋，原理非常簡單易懂。我們可以用一個快速演算法，就達到基本的效果。
這里的關鍵技術叫做"感知哈希演算法"（Perceptual hash algorithm），它的作用是對每張圖片生成一個"指紋"（fingerprint）字元串，然後比較不同圖片的指紋。結果越接近，就說明圖片越相似。下面是一個最簡單的實現：
第一步，縮小尺寸。
將圖片縮小到8x8的尺寸，總共64個像素。這一步的作用是去除圖片的細節，只保留結構、明暗等基本信息，摒棄不同尺寸、比例帶來的圖片差異。
第二步，簡化色彩。
將縮小後的圖片，轉為64級灰度。也就是說，所有像素點總共只有64種顏色。
第三步，計算平均值。
計算所有64個像素的灰度平均值。
第四步，比較像素的灰度。
將每個像素的灰度，與平均值進行比較。大於或等於平均值，記為1；小於平均值，記為0。
第五步，計算哈希值。
將上一步的比較結果，組合在一起，就構成了一個64位的整數，這就是這張圖片的指紋。組合的次序並不重要，只要保證所有圖片都採用同樣次序就行了。
得到指紋以後，就可以對比不同的圖片，看看64位中有多少位是不一樣的。在理論上，這等同於計算"漢明距離"（Hammingdistance）。如果不相同的數據位不超過5，就說明兩張圖片很相似；如果大於10，就說明這是兩張不同的圖片。
具體的代碼實現，可以參見Wote用python語言寫的imgHash.py。代碼很短，只有53行。使用的時候，第一個參數是基準圖片，第二個參數是用來比較的其他圖片所在的目錄，返回結果是兩張圖片之間不相同的數據位數量（漢明距離）。
這種演算法的優點是簡單快速，不受圖片大小縮放的影響，缺點是圖片的內容不能變更。如果在圖片上加幾個文字，它就認不出來了。所以，它的最佳用途是根據縮略圖，找出原圖。
實際應用中，往往採用更強大的pHash演算法和SIFT演算法，它們能夠識別圖片的變形。只要變形程度不超過25%，它們就能匹配原圖。這些演算法雖然更復雜，但是原理與上面的簡便演算法是一樣的，就是先將圖片轉化成Hash字元串，然後再進行比較。