Porównywanie obrazów w Delphi

Witam.
Program pobiera obraz "wzór" i porównuje z kilkudziesięcioma innymi. Powinien wykryć identyczne obrazy, niezależnie od takich zmian jak np rozdzielczość czy jasność. Pobieram obrazy, skaluję do tego samego rozmiaru, stosowałem filtry Laplace'a, bez skutku. Po zastosowaniu filtru, wizualnie wyglądają bardzo podobnie, powiedziałbym że identycznie, lecz dalej mam problem. Moim pomysłem było potraktowanie bitmap jako macierzy 2 wymiarowych i obliczanie sumy różnic pomiędzy pikselami np A[0,0] - B[0,0]. Niestety sumy różnic są ogromne, tak dla identycznych obrazów jak i dla różnych.
Proszę o pomoc jak to ruszyć dalej.

PS. Przepraszam za umieszczenie posta w niewłaściwym dziale (C#), proszę moderatora o korektę.

Sieci neuronowe mogą się sprawdzić w tym przypadku (chociaż mogą także nie - podałeś za mało informacji).

PS prędzej nie porównuj sumy różnic, tylko procent różnicy.

Pomysł wydawał się ciekawy, jednak nadal stoję. Prawdopodobnie w wyniku kilkukrotnej zmiany rozmiarów, krawędzie konturów na obydwu obrazach są przesunięte.
Suma różnic ani średnia procentów różnic nie pozwalają na identyfikację.

Kiedyś napisałem program który radził sobie z lekkim rozmyciem konturów bez strzelania z sieci neuronowych, kod był beznadziejny, algorytm też taki w kit, rozwiązanie chałupnicze i pewnie nikt tak nie robi, ale działał. Liczyłem sumy pikseli w linii, osobno dla każdego koloru, sumy par kolorów, stosunki kolorów w każdym pixcelu, sumy dla najbardziej znaczących bitów, dla każdego koloru, | i & na kolorach,ilość pikseli spełniających kryterium xyz itd, i jakieś podobne obliczenia dal kilku pikseli w lini, tu trzeba "uważać" bo np. liczenie sum lub lub średnich r g b da te same informacje co sumy liczone dla całej linii, tak samo

suma[0 do n] (n.R - n.B)  == suma[0 do n](n.R) - suma[0 do n](n.B)

wiec to też nie nie się nowych informacji w stosunku do sum, nawet jeśli wynik jest inny.
A potem sprawdzałem czy drugi obraz spełnia kryteria z wybraną dokładnością, ważne jest to że jeśli korzystasz z dokładności to powinieneś sprawdzać błąd bezwzględny i procentowy np. kolor 'czarny' to rgb(1,1,1) i delikatny szum będzie miał olbrzymią wartość procentową, z jasnymi kolorami jest na odwrót.
Można to wszystko napisać ze złożonością O(n), fajną optymalizacją było zaczynanie sprawdzania od ostatnio odrzuconego fragmentu i wybieranie linii w innym porządku niż jedna po drugiej. Program chodził w jednym wątku dla ~1mln pikseli w czasie rzędu dziesiątek od dziesiątek ms do kilku s(miałem pesymistycznie n^2 :P ) wiec się nadaje do kilku obrazów.

Możesz, też podzielić obrazek na kwadraty, obliczyć dla każdego jakieś parametry charakterystyczne potem policzyć funkcje aproksymujące dla tych paramentów np w po przekątnej itd. Potem porostu sprawdzasz czy obraz się w t funkcje łapie. To by była taka sieć neuronowa bez sieci neuronowej, szału może nie będzie ale jest proste i powinno działać :D

Ogólnie to są takie chałupnicze metody, może ktoś Ci podpowie jak to się robi profesjonalnie , bo na pewno są na to algorytmy :P

Problem rozwiązany. Użyłem filtr Laplace'a i zmieniłem obrazy krawędzi na 0-1-kowe. Do porównania obrazów wystarczyło policzyć: sumę 1 na pierwszym obrazie, sumę 1 na 2 obrazie, sumę trafień 1 na obydwu i sumę trafień 0 na obydwu. Mając te 4 wartości (oraz całkowitą ilość pixeli) mogę zidentyfikować ponad 90% obrazów.