السلام عليكم، طيب أنا قرأت عن image-match
وقرأت جزء كبير من الورقة البحثية المبني على اساسها المشروع وهذه الخلاصة اللي توصلت له
يهدف ويركز المشروع بشكل أساسي إلى توضيح الصور المتشابه بالضبط أي الـ duplicated images

في البداية، طريقة عمل المشروع وبعض المعلومات عنه كالتالي:
- المشروع مبني على ورقة بحثية من بداية الالفينات تقريبًا
- غرض المشروع الأنسب هو معرفة الصور المتاشبهة تمامًا، فكر في الموضوع كإنه copyright violation detection للصور.
فتكون الصور متشابهة تمامًا ودا صعب جدًا نوصل له في مشروعنا. فالاحتمالات لا تحصى.

طريقة عمله:
بيعتمد على تحويل الصورة لمصفوفة من الأرقام بتعبر عن تباين لون كل بيكسل عن البكسلات المجاورة له .
ودا بعد ان يقوم بتحويل الصور إلى  grayscale ثم
يقوم بعمل ساملينج للصور.
 في النهاية هو بيعمل لكل صورة signature 
وبقارن الصور ببعض عن طريق الفرق بين الـ image signatures 
على حسب كلامهم لو كان ناتج الطرح ٤ فأقل فالصور متشابه.



|| signature pic A - signature pic B|| = THE value we decide upon.
 اذا استخدمناه في المشروع فالصور هتختلف بناءً على ما يحيط بها وظروف تصويرها من إضاءة أو مَيَلان أو غيره. ودا هيكون السبب لِكَم كبير من الاحتمالات صعب جدًا نقدر نحيط به كله


image-match مايقدر يصنف المحتوي كـ content-based.
 يعني لو جبت له نفس صورة المنتج ولكن من جهة ثانية مثلًا كأنك جايب منتج جديد.

شوف مثلًا الـissue دي على جيتهب 
(https://github.com/ascribe/image-match/issues/62)

فرق السيجنتشور  بين الحذاء الأول والثاني هو 0.71422605625006175 ولكن في نفس الوقت الفرق بين الحذاء والجهاز هو 0.70043762770711271. 
يعني تقدر تقول ان بالنسبة لimage-match فان الحذاء أقرب للجهاز منه إلى الحذاء الثاني!
عمومًا إذا حبيت تجرب بنفسك قولي أعمل ديبلوي للبروجيكت عشان نجرب. إذا في أي تعليق أحب اني اسمعه.