使用认知服务从Blob存储中检索裁剪图像对应的原始图像

可行实现路径 #

• 利用Azure计算机视觉API的特征提取能力
  提前为Blob存储中的所有原始图像提取特征向量（比如深度特征或感知哈希），并将特征与对应Blob的存储路径关联存储（可存在Azure SQL或Cosmos DB中）。当上传裁剪图像时，同样调用API提取其特征向量，然后对比所有原始图像的特征，找到相似度最高的结果，即可定位到对应的原始图像。
  计算机视觉API的深层特征提取能更好应对裁剪、缩放这类图像变形，比普通哈希匹配精度更高。

• 自定义局部特征匹配逻辑
  使用OpenCV等工具，通过ORB、SIFT（注意版权限制）等算法提取图像的特征点。预先为所有原始图像生成特征点数据集并存储，上传裁剪图后提取其特征点，通过FLANN等匹配算法找到与原图特征点匹配度最高的项，进而关联到原始Blob图像。可将这套逻辑部署在Azure Function或App Service中，与Blob存储联动。

• Azure搜索服务结合自定义技能
  将Blob中的图像导入Azure搜索索引，同时创建自定义技能来提取图像特征并添加到索引字段。上传裁剪图时，先提取其特征，再向Azure搜索发起相似性查询，返回匹配度最高的原始图像条目，从而获取对应的Blob存储路径。

关于Custom Vision的局限性 #

Custom Vision的定位是图像分类、目标检测，核心功能是识别图像的类别或特定物体，而非实现图像间的相似性检索匹配，因此无法直接返回对应的原始图像。

内容的提问来源于stack exchange，提问作者Ajay