- 1 -

【漫步在雲端】系列報導-16

什麼碗糕都可以幫你找出來(下)~圖片也可以搜尋

高雄區農業改良場 鄭文吉

※本文已於2013年12月發表於農業世界雜誌364期85-93頁※

前言

上期為大家介紹 Google的雲端應用程式服務，以及利用 Google搜尋資料時的一些基本技巧，例如可以利用「進階搜尋」功能來進行篩選以提高可用性，

或者直接在搜尋時就加上相關指令來節省操作時間。除此之外，Google還有很多更厲害的資料搜尋應用技巧，甚至多到可以集結出書來賣，有興趣的朋友不

妨找來研究看看。

除了傳統的純文字網頁資料搜尋外，Google也把搜尋服務層面擴展到非文字資料領域，提供許多十分便利的搜尋服務，本期就繼續為大家介紹。

非文字資料也可以搜尋嗎?

上期提過，Google先到處收集網頁資訊來建檔，並且根據常用關鍵字預先製作索引目錄來加快搜尋速度，再利用 Google所擁有成千上萬台伺服器所構成的雲端主機同時進行搜尋，所以才能在不到一秒內找出一大堆相關網頁。然而

我們知道，一個網頁的內容除了文字部分之外，其實也包含很多非文字資料檔

案，例如照片、小圖案、動畫圖形(gif或 flash動畫)、背景音樂甚至影片等等。因此，當 Google到處蒐集網頁資料時，其實也會將這些檔案一起收錄進去。

然而，多媒體檔案跟文字不同，很難直接比對兩者是否相同。例如將一張

圖片長寬各縮小一半，在我們看來，縮小後的圖片畫面看起來還是跟原來一模

一樣；但對電腦來說，縮小後的檔案大小只有原來的四分之一，如果照傳統的

資料搜尋方式比對兩個檔案裡的每個「字元」，就會認為這兩張圖片內容根本可

以說是「沒有一個字相同」。因此必須另外開發出針對多媒體檔案設計的搜尋比

對功能，例如抽樣比對兩張圖片相對位置的色點顏色亮度是否一樣，來判斷兩

張圖的相似程度，這樣才有可能進行圖片的搜尋。同樣的，要比對聲音或影片

檔案，也不能像文字那樣直接從檔案本身的資料進行比對，而必須把資料轉回

聲音或影像格式，然後再比較它們的差異，例如聲音的波形或影片的單格畫面

等等，這些都是十分複雜的計算工作。

雖然現在已經有許多學者提出各種比對演算法來解決圖形、聲音或影片比

對的問題，但不管哪種方法，都需要耗費大量的處理運算能力才能處理。如果

是像刑事局指紋比對這類特殊用途來說，或許還值得花時間下去進行分析處

理，但像搜尋引擎這種常常需要進行大量搜尋比對的服務系統來說，如果每個

比對都要花那麼多時間的話，實在是難以負荷。

- 2 -

除了比對困難外，資料的儲存也是很大的問題。因為圖形聲音影像等多媒

體檔案的容量比文字大很多，以圖片為例，一張 1MB的圖片所佔用的儲存空間，就可以用來儲存 100萬個英文字，或者 50萬個中文字的文章。因此，過去各家搜尋引擎在蒐集網頁資料時，往往都把這些多媒體檔案直接忽略不儲存，以減

少硬碟儲存空間的消耗~反正蒐集起來也沒法使用。

然而，現在由於雲端技術出現，不但硬碟容量已經擴充到幾乎可說是無限

大，更可以利用大量處理器同時進行處理，來完成過去不敢想像的計算工作。

因此，許多原本只是理論的多媒體檔案搜尋比對技術，就可以真正實現並普及

化，而不再是實驗室或電影電視偵探影集中才會出現的場景。

圖片搜尋~Google Imghp

當我們提到要上網搜尋資料時，通常都是指文字資料而言，也就是要找「跟

XXX有關」的文章。然而，有時我們也會想找「跟 XXX有關」的圖片，例如有某位種植香蕉的農友發現葉子上有奇怪的斑點，感覺好像有病蟲害發生，查閱

植物保護手冊後發現，葉子上的病徵和「香蕉黑星病」的描述很像，然而整本

植物保護手冊都只有文字描述病徵和推薦用藥，並沒有附上圖片給農友參考，

所以也沒法確定。通常這時聰明的農友就會用搜尋引擎找到和「香蕉黑星病」

相關的網頁，但因為從搜尋清單沒法看到圖片，因此只能一篇一篇打開，進去

看看這些網頁裡面有沒有附上我們想要的圖片，這樣才能知道這個病和現在在

田裡的狀況是否相同，非常麻煩。

為因應這種越來越普遍的需求，現在 Google也開始提供圖片搜尋功能，把相關圖片直接列表出來，這樣使用者就不用再一篇一篇打開來看了。

1. 以文找圖

要使用圖片搜尋功能很簡單，只要點選 Google網頁上方的「圖片」功能就行了。你可以在資料搜尋結束後再點選「圖片」功能，系統會自動拿你剛剛輸

入的關鍵字去找相關圖片；也可以先進入圖片搜尋功能後，再輸入關鍵字，這

樣系統就會把相關的圖片通通列出來給你看(如圖 1)。

圖 1.利用 Google搜尋「香蕉黑星病」資料，可以馬上得到很多相關網頁搜尋結果(左)。若想找圖片，只要按下上方的「圖片」連結，就會自動利用「香蕉黑星病」這個關

鍵字進行圖片搜尋，然後把相關圖片列出來給使用者參考(右)。

- 3 -

前面提過，Google在蒐集網頁資料時，除了文字部分外，也同時把網頁裡面的圖形檔案通通儲存建檔了。當我們進行傳統搜尋功能時，系統會列出相關

網頁的網址、標題和部分文字內容，而圖形搜尋則是先找到相關網頁後，再進

一步把裡面的圖片通通列出來給你看。這樣的動作，其實跟前面所提的先找網

頁再進去看圖片的步驟差不多，只是現在後面的動作由 Google幫你代勞而已。

為方便使用者查看，這些搜尋到的圖片都已經被縮小成相同的尺寸以方便排

列。如果想看原圖的話，只要點選那張圖片，就會出現放大的圖片和所在網頁

的標題等相關資料；另外，系統也會同時列出那個網頁裡的其他圖片給你參考。

這樣你就可以選擇打開這張圖片，或者進入那個網頁瀏覽內容。如果想要儲存

這張圖片的話，只要在圖片上按滑鼠右鍵選擇另存圖片就行了(如圖 2)。

有時你會發現，電腦怎麼那麼笨啊? 這些照片很多根本不是我要找的東西，怎麼也都列在裡面? 其實這也沒有辦法，因為電腦根本不知道那些圖片是甚麼內容，因此是把網頁裡面的圖片通通列出來，由於網頁裡面的圖片很多，

不一定每一張都會剛好跟你的關鍵字有關，所以自然也會包含無關的照片。不

過，Google會自動比對各網頁裡的圖片，把出現頻率較高的放在前面，這樣誤判的機率也會比較少。因此我們可能會發現，越後面的圖片關聯性就越低，也

就不用再看下去了。

2. 以圖找圖

前面所提的以文找圖功能，其實就是由系統將相關網頁裡的圖片另外整理

列表出來而已，我們還是得先輸入想找的圖片的關鍵字才能進行搜尋。因此對

圖 2.點選搜尋列表中的圖片，就會出現相關訊息，包括來源網頁的標題和裡面其他圖片，可以直接開啟那個網頁查閱資料，也可以打開圖片或加以儲存。

- 4 -

系統來說並不需要用到前面提到的圖形比對技術，搜尋速度也是跟傳統網頁資

料搜尋一樣快得嚇死人。

然而，有時候我們想問的是「這張圖片是甚麼?」。也就是我們手中已經有圖片了，卻不知道那是甚麼東西、在哪裡拍的，或者想知道跟它相關的資訊等

等。這時就得採用以圖找圖的方式了。也就是說，我們不是輸入想找的圖片的

描述字句，而是直接把圖丟給 Google幫忙查看看這到底是甚麼。

要進行「以圖找圖」，只要點選 Google 圖片搜尋網頁的搜尋關鍵字輸入框旁邊的照相機圖案，就會出現「以

圖搜尋」的對話框。這時只要點選

「上傳圖片」的功能，然後從硬碟

裡找到那張圖片，或者直接從檔案

總管用拖曳的方式，把圖片拖到這

個對話框，這樣就會開始上傳圖片

並進行搜尋。除了直接上傳圖片

外，如果你要找的圖片本身就是在

網站上看到的，那也可以利用「貼

上圖片網址」的方式，直接輸入這

個圖片的網址。這樣就不用把圖片

下載存檔後再上傳(如圖 3)。

由於 Google每次都會搜尋到一大堆的結果，為方便使用者

參考，系統會先列出含有跟這張

圖片完全相同的網頁，然後才會

列出看起來相似的網頁。舉例來

說，我先從高雄農改場的網站下

載一張圖片作範例，先更改它的

檔名，然後用小畫家把尺寸縮小

後重新存檔，以避免和原來的圖

片有相同的大小和檔案名稱，之

後再把這張圖片上傳，利用以圖

搜尋功能進行搜尋。結果發現，

有兩個網頁擁有跟這張圖片完

全相同的畫面，表示就算大小和

檔名不同，只要畫面完全相同就

可以被找出來。但之後的「看起

來相似」的部分就跟原圖差很

多，可以說沒有一張能用的(如圖 4)。

圖 3.Google 以圖搜尋功能，可以輸入網頁圖片的網址(左)，或者直接上傳電腦裡的圖片(右)進行搜尋。

圖 4.以圖搜尋結果，只要畫面相同就可以被找出來，就算檔案名稱和尺寸大小不一樣也沒問題；但

「看起來相似的圖片」就跟原圖差很多。

- 5 -

由上面的測試結果看來，目前 Google的圖片搜尋功能似乎只能辨認「完全一樣」的畫面，但若要它辨認相似的畫面就有困難。其實這也跟圖片的畫面種

類有關，因為這張測試的圖片畫面幾乎都是綠色的，對電腦來說或許真的就跟

一片草地差不多；但如果改用風景照片之類主題比較明顯的圖片，辨識能力就

會提升很多。

因此在應用上，由於這個以圖片搜尋的功能可以很精準的找到所有擁有完

全相同的圖片的網頁，因此網站管理員可以檢查有沒有別人偷用他的照片，以

便向對方提出抗議；老師可以檢查學生作業上的照片是不是從網路下載的，還

是自己照的；甚至像新聞經常出現有些人因為看到女性網友的照片很漂亮，就

傻傻的被騙了幾百萬的案例，如果他們事先偷偷檢查一下對方的照片是不是盜

用別人的，就不會受騙上當了。

然而，如果照片是自己拍的，因為網路上應該不會有剛好跟它完全相同的

相片，那大概只能用這個功能來解決「這個風景到底是在哪裡照的?」這樣的問題。通常知名的風景名勝都會有很多人去過，並且張貼在自己的部落格等網站，

只要主題特徵夠明顯，Google應該都能辨識出來。但是，如果要拿田裡的病蟲害照片給它辨認這是甚麼病，或許就有點困難了，不如把照片寄給改良場的專

家詢問還比較快一點。

未來的發展

雖然目前 Google圖片搜尋的辨識能力還不算高，拿它來辨認病蟲害照片還有待加強。然而隨著科技的進步，未來一定會出現各種更強大的辨識比對技術，

使得圖形辨識能力可以提升到跟人眼相近的地步，大家等著看就行了。

除了圖形辨識以外，其實各種多媒體檔案的搜尋辨識技術也在研發中，這

邊就為大家介紹一下：

1. 臉部辨識：

臉部辨識是圖形辨識裡的一個重點項目，也就是說，我們不只希望電腦能

辨識出圖形中有幾個人、在哪個位置，還要知道「那個人是誰」。有了這樣的技

術，廣告商可以用攝影機掃描經過的路人，然後針對每個人的興趣在電子看板

上提供不同的廣告；警察可以根據監視錄影器所拍到的犯人長相，然後同時監

控街上所有監視錄影器的畫面，只要這個人一出現馬上就通知警方並鎖定行

蹤。但反過來說，如果這個技術被濫用，也會造成嚴重的社會問題，像電影「全

民公敵」所演的那樣，老百姓不管走到哪裡都被監控的恐怖情節，也難保不會

發生，因此這個技術的研發本身就受到很大的討論和爭議。

先不提電影情節會不會發生，反正現在的辨識技術也沒有那麼厲害，不過

相關的分支技術倒是已經應用在我們的日常生活裡。例如要辨識相片中人物的

長相，首先就要先確認臉部的位置，然後才能把臉部的圖形獨立拿出來，再和

- 6 -

其他相片中的人臉進行比對。這樣的技術現在就已經廣泛應用在照相機和攝影

機裡面，當我們拍照時，相機就會自動把畫面中的人物臉部框起來，然後進行

自動對焦，以保證拍出來的照片至少每個人的臉都很清楚。甚至有些相機還號

稱提供「微笑模式」，若對方微笑就自動拍下去，以捕捉那種瞬間即逝的畫面~當然，如果拍個照片還要甚麼都給機器代勞，那樣也實在太可悲了點，我還是

寧願自己按快門就好。

除了相機業者之外，其實像 Google或 Facebook等雲端業者也都在開發臉部辨識技術，以便提供更多樣化的服務(猜想主要還是用在行銷廣告上面)。舉例來說，當我們在 Facebook上傳照片後，系統就會辨識照片裡面有沒有人臉，然後把所有的臉框起來問你要不要標示他的名字(如圖 5)。另外，如果用過 Google地圖服務(Google map)的人應該都會發現，在街景圖所看到的照

片，只要是拍到人臉或車牌的部

分，就會自動打馬賽克讓它模糊

掉，讓人分辨不出那是甚麼人，以

維護當事人的隱私，避免因為不小

心被街景車拍到出現在不該出現

的地方而引發糾紛。這樣的動作當

然不會是用人工檢視每一張街景

圖的照片，然後把裡面的人臉或車

牌框起來模糊化，而是用電腦程式

進行自動處理，這中間就會用到臉

部辨識技術，只要發現人臉就自動

標示並模糊化，以減輕人力負擔。

2. 語音辨識：

大家可能聽過，蘋果的 iPhone 手機及 iPad 平板電腦裡面有一個叫做 Siri的軟體，使用者只要直接對它說話，它就可以聽懂我們問的問題並做出回答。

這個技術看來很神奇，其實就是先讓電腦把我們所說的話轉換成文字讓電腦進

行搜尋，然後再把結果用語音的形式「唸」出來。因此，主要的關鍵就在於如

何讓電腦能夠分辨我們所說的話。

語音辨識軟體其實並不是現在才出現的新產品，例如過去就有語音輸入軟

體，可以讓人直接念文章來代替鍵盤打字輸入資料；另外，現在的 Windows 7本身就內建語音辨識功能，只要進入開始→所有程式→附屬應用程式→輕鬆存

取，然後執行裡面的「Windows 語音辨識」這個功能，再依照指示完成設定後，就可以開始利用語音來操作電腦進行一些像是翻頁、執行程式等等基本動作，

而不需要操作鍵盤或滑鼠。

目前 Google也已經提供語音輸入功能，只要按下搜尋列旁邊的麥克風圖案

圖 5. FaceBook臉部辨識功能，照片上傳後系統會自動框出人臉位置，以方便使用者標示裡

面的人物名字。

- 7 -

(如圖 1左)，就會啟動語音輸入畫面，讓你直接唸出你想搜尋的關鍵字。不過，最大的問題可能是，現在 Google只提供英文輸入功能，所以要用這個方式輸入關鍵字，還是只能用英文來問才行。

目前語音輸入最大的缺點在於辨識效果不佳，即使像蘋果的 Siri 這樣擁有廣大使用者的應用軟體，也常會有人故意問一些莫名其妙的問題，然後讓系統

回答奇怪的答案來當作笑話。這是因為每個人的聲音語調都不太一樣，沒法像

鍵盤打字那樣按甚麼鍵就一定出現甚麼字。因此不管是哪種語音輸入軟體，一

開始都必須進行訓練，念一些事先設定好的字句讓軟體學習你的腔調，這樣才

能提高辨識率，但就算是這樣，還是常常會有許多辨識錯誤的狀況出現，需要

再回頭進行修正。因此除非像是 iPhone、iPad這類沒有附加鍵盤的設備，才會覺得用語音輸入比較方便，對一般的電腦來說，還是直接用鍵盤打字比較快。

3. 聲音搜尋：

前面所提的語音辨識技術，主要是讓使用者可以用麥克風念出想要輸入的

字句，然後讓電腦辨識這些聲音，並且轉換成文字輸入。但有時候我們想找的

就是「聲音」本身，也就是跟這段聲音有關的事情，例如它是甚麼東西所發出

的，或者是從哪個地方節錄下來的等等。舉例來說，有時我們聽到一段音樂，

卻不知道它的歌名，這時如果當然沒法用傳統方式進行搜尋，因為根本不知道

該輸入甚麼關鍵字；除非能夠直接拿這段音樂去跟其他音樂做比對，看看它是

由哪首歌節錄下來的，才能進一步找到它的相關資料。

前面提過，多媒體檔案的資料格式跟文字檔案不同，沒法直接用檔案裡面

的字元進行搜尋比對，而必須用多媒體格式來進行比對。以聲音來說，如果使

用音效編輯軟體(如 GoldWave)來觀看其內容，就會看到它的波形頻譜變化(如圖6)。這是因為聲音是連續不斷地播放的，因此電腦儲存聲音時，就只能根據以下三種參數來進行進行「取樣」，把當時的聲音轉為資料加以儲存，而每個取樣瞬

間都會呈現不同的波形：

圖 6.聲音檔案的波形頻譜格式，同樣的聲音可以用不同頻率、取樣率和聲道來取樣，但其波形本質上仍然差異不大。此畫面中呈現的是「捉泥鰍」這首歌裡面的經典名句「大

哥哥好不好，咱們去捉泥鰍」這段歌詞放大後的波形。

- 8 -

(1)取樣頻率(Hz)：是指每秒取樣幾次，取樣頻率越高，就越接近原來的聲音，例如 CD片是以 44100Hz的頻率採樣，而一般電話則大約只有 8000Hz，雖然看來差很多，但因為電話傳送的是人們講話的聲音，這樣的頻率就已經足

夠了。

(2)解析度(bit)：是指每次取樣資料的變化幅度，例如以 16 bit儲存，就有 216 =65536種變化，若以 8 bit儲存，則只有 28 = 256種變化，雖然占用的儲存空間相差一倍，但能呈現的變化細膩程度也會有所不同。

(3)聲道數目：也就是一般所說的單聲道或雙聲道，雖然兩者的資料容量相差一倍，但因為雙聲道可以讓左右兩邊的喇叭呈現不同的變化，讓聽的人產生「立

體感」，而單聲道雖然也能讓兩邊的喇叭都出現聲音，但因為內容是一樣的，

就沒法呈現立體感了。

由此可知，即使是同樣的一首歌，如果採樣時用了不同的參數設定，就會

得到不同的檔案；但如果把它播放出來，聽起來其實還是同樣那首歌。除非同

時播放兩種不同取樣格式錄下來的檔案來做比較，才能聽出兩者的差異(不仔細聽恐怕還聽不出來)。這也就是聲音檔案搜尋時的最大問題，因為你提供的檔案儲存參數可能跟資料庫裡蒐集的檔案不同，如果直接比對檔案，就算是同一首

歌也可能被判斷不一樣；必須把資料轉回聲音的波形頻譜形式來做比對，才有

辦法看出兩者原來擁有同樣的波形，所以其實是一樣的。

因此，要進行聲音檔案的搜尋比對，就必須要另外設計專用的程式才行。

雖然目前頂多只有像美國反恐小組監聽恐怖份子對話紀錄時會用到這種專業技

術，希望能從大量的對話內容中過濾出像是炸彈、謀殺、攻擊之類的特殊詞句，

以便及早因應戒備。但如果這樣的技術普遍化，或許就能拿來搜尋剛才在路邊

咖啡廳聽到的音樂是哪首歌，或者在山林聽到的鳥叫聲是哪種鳥，並獲得更進

一步的相關資訊。例如對唱片業者來說，如果他們的網站能讓使用者隨便哼一

段旋律，然後就幫他找出這是哪首歌，在提供那張唱片的購買資訊，對於銷售

量一定會有很大的幫助。

結語

由於圖片、聲音等多媒體檔案內容和文字檔案有本質上的不同，不能直接

利用傳統資料搜尋技術來加以比對，因此過去的搜尋引擎大多只能提供文字資

料的搜尋服務。但隨著雲端科技的進步，不但儲存空間得以無限擴大以容納蒐

集到的多媒體檔案，透過整合大量伺服器所形成的雲端主機強大的計算處理能

力，也使過去沒法用單一主機完成的多媒體檔案比對運算技術得以實現，而能

讓業者提供這方面的服務。

繼上期介紹 Google搜尋資料的技巧後，本期繼續為大家介紹非文字資料的搜尋，以及 Google 所提供的圖片搜尋服務。包括如何輸入關鍵字找出相關圖片，以及如何用手邊現有的圖片進行搜尋，找出跟這張圖片有關的資訊。雖然

- 9 -

目前只能找到完全一樣的圖片出現在那些網頁，沒法直接利用「以圖找圖」的

功能來搜尋自己的作物是得了甚麼樣的病蟲害。不過，隨著科技的進步，相信

不久就會出現更強大的圖片比對技術。在此之前，建議農友們還是直接將田間

拍到的作物病蟲害照片寄給改良場農業專家詢問比較快。

介紹完 Google 所提供的資料搜尋服務後，下期將繼續為大家介紹 Google的其他免費服務，敬請期待。