直接在百度图片网页选中某张图片，鼠标右击该图片，选保存图片，在弹出框里选择保存到电脑桌面的途径即可。
百度图片搜索引擎是世界上最大的中文图片搜索引擎，百度从8亿中文网页中提取各类图片，建立了世界第一的中文图片库。截止 2004 年底，百度图片搜索引擎可检索图片已超过 7 千万张。百度新闻图片搜索从中文新闻网页中实时提取新闻图片，它具有新闻性、实时性、更新快等特点。
百度图片APP更新到v5.2版本，并全新改名为“榴莲”，取“趣味相投，流连忘返”之意。
上传图片到百度让别人能搜到的方法
1、进入百度图片，点右上方“登录”（若没有帐号先注册一个，空间没有激活先激活）→登录后点右上方“我的相册”→右上方“上传照片”，按提示将自己的照片上传到百度空间即可。
2、上传到百度空间之后，等有人在百度上搜索同类型的照片时，你的照片就可以出现在结果页面了。
百度图片搜索引擎是世界上最大的中文图片搜索引擎，百度从8亿中文网页中提取各类图片，建立了世界第一的中文图片库。截止 2004 年底，百度图片搜索引擎可检索图片已超过 7 千万张。百度新闻图片搜索从中文新闻网页中实时提取新闻图片，它具有新闻性、实时性、更新快等特点。
1、上传照片存放的相册浏览权限要设置成“公开”，这样别人才能看到。
2、需要写个好点的照片名，这样便于搜索到你的照片。但有时由于照片名重复问题，会出现很多搜索结果，可能会淹没你的照片。
3、照片上传后需等待几天才可以被搜索到。若很久了还是无法搜索到，建议重新上传一次，或者重新上传的更换一下图片名称。
百度图片是2000年成立的，开始原理是根据你输入的名称寻找图片，后来是根据上传的图片相似度寻找的。
百度有图片搜索功能，具体使用方法如下
1、打开浏览器，输入“image.baidu.com”并打开，或者在百度搜索引擎输入该网址也行。
2、点击搜索栏的相机图样，如图所示。
3、在弹出的小对话框点击“本地上传”，并打开你想要的类似图片。
4、这时候就会弹出类似的图片了。
5、往下拉页面还可以查看图片的详细来源，很方便。
1、准备好需要进行检索的图片，比如下图章子怡的图片，对其进行检索，了解是这张图片的出处等信息；
2、打开百度搜索引擎，在“百度一下”搜索框的末尾有类似照相机的图标，界面如下图所示
3、点击照相机图表，出现下图所示的界面，百度提供两种上传图片的方法，“拖拽图片到这里”和“本地上传图片”；
4、选择一种上传图片的方法，将需要检索的图片上传，得到如下图所示的检索结果，这张出自电影《一代宗师》，章子怡在电影里扮演宫二。
图片搜索的原理有三个步骤
1. 将目标图片进行特征提取，描述图像的算法很多，用的比较多的是SIFT描述子，指纹算法函数，bundling features算法，hash function（散列函数）等。也可以根据不同的图像，设计不同的算法，比如图像局部N阶矩的方法提取图像特征。
2. 将图像特征信息进行编码，并将海量图像编码做查找表。对于目标图像，可以对分辨率较大的图像进行降采样，减少运算量后在进行图像特征提取和编码处理。
3. 相似度匹配运算利用目标图像的编码值，在图像搜索引擎中的图像数据库进行全局或是局部的相似度计算；根据所需要的鲁棒性，设定阈值，然后将相似度高的图片预保留下来；应该还有一步筛选最佳匹配图片，这个应该还是用到特征检测算法。
其中每个步骤都有很多算法研究，围绕数学，统计学，图像编码，信号处理等理论进行研究。
根据Neal Krawetz博士的解释，原理非常简单易懂。我们可以用一个快速算法，就达到基本的效果。
这里的关键技术叫做“感知哈希算法“（Perceptual hash algorithm），它的作用是对每张图片生成一个“指纹“（fingerprint）字符串，然后比较不同图片的指纹。结果越接近，就说明图片越相似。下面是一个最简单的实现
第一步，缩小尺寸。
将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。
第二步，简化色彩。
将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。
第三步，计算平均值。
计算所有64个像素的灰度平均值。
第四步，比较像素的灰度。
将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。
第五步，计算哈希值。
将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。
得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算“汉明距离“（Hammingdistance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。
具体的代码实现，可以参见Wote用python语言写的imgHash.py。代码很短，只有53行。使用的时候，第一个参数是基准图片，第二个参数是用来比较的其他图片所在的目录，返回结果是两张图片之间不相同的数据位数量（汉明距离）。
这种算法的优点是简单快速，不受图片大小缩放的影响，缺点是图片的内容不能变更。如果在图片上加几个文字，它就认不出来了。所以，它的最佳用途是根据缩略图，找出原图。
实际应用中，往往采用更强大的pHash算法和SIFT算法，它们能够识别图片的变形。只要变形程度不超过25%，它们就能匹配原图。这些算法虽然更复杂，原理与上面的简便算法是一样的，就是先将图片转化成Hash字符串，然后再进行比较。
打开百度图片网站 tupian.baidu.com 选择搜索框右边一个照相机一样的图标，然后选择上传图片和粘贴 图片网，百度会自动识别相关网上相关、相似的图片。
