我知道余弦相似度可以用来衡量两个图像或音频的相似程度。
但我不明白一个图像怎么能被表示为一个N维向量。对于文本文档d，每个i-th维度表示术语t_i，它的标量分量表示它在文档中的频率。问题是，我无法为图像（或音频）文件找到相同的"映射"。
我脑海中唯一的解决方案是，我们有一个M维的向量，其中M是图像中的像素数（数百万维？太疯狂了！），值是"像素有多暗"，最大值代表白色，但我强烈认为这个解决方案不是使用的解决方案。我不知道如何为音频文件做到这一点。
使用它可以根据源图像像素RGB值计算像素强度（Y）：
Y = 0.2126 * R + 0.7152 * G + 0.0722 * B
因此，从源图像中的每个像素，我们生成其Y值，并使用它来填充1D向量中的每个位置（其中像素顺序是从图像的希尔伯特曲线生成的），在源图像中的每一个像素上重复此操作
假设我们的图像是16乘16，所以我们的线中有256个像素，由256个等距点表示。。。如果我们选择从图像中生成音频，我们可以在这256个点中的每个点放置一个正弦波振荡器，并通过该点的像素强度测量（Y）来驱动每个振荡器的音量。。。同时，我们通过其在线路中的位置来驱动每个振荡器的频率。。。在线路长度上的人类听觉频谱的低频到高频（比如200hz到2khz）。。。通过生成短时间的音频来引入时间。。。在每个时刻，将所有振荡器上的曲线高度相加并除以256（剪切音频样本）。。。这个音频是我们源图像的声音映射。。。这种转变是可逆的。。。我们可以很容易地从音频开始并生成图像。。。以我们的（Y）值的1D矢量作为中介
这是关于这个想法的一个很好的剪辑https://www.youtube.com/watch?v=DuiryHHTrjU
重要的是，这种技术是完全可逆的。。。如果我们从音频开始，我们可以生成图像，这样我们就可以访问中介向量。。。对一个简短的音频片段进行傅立叶变换FFT，将其从时域变换到频域。。。这导致了一组频率，每个频率都有一个振幅值。。。每个频率值被放入我们的中间向量中的一个位置，以表示输出像素。。。输出像素强度值由该频率的FFT幅度驱动。。。然后反过来做希尔伯特曲线，将我们的1D矢量线映射到输出2D图像