python 比較2張圖片的相似度的方法示例
本文介紹了python 比較2張圖片的相似度的方法示例,分享給大家,具體如下:
#!/usr/bin/python # -*- coding: UTF-8 -*- import cv2 import numpy as np #均值哈希算法 def aHash(img): #縮放為8*8 img=cv2.resize(img,(8,8),interpolation=cv2.INTER_CUBIC) #轉(zhuǎn)換為灰度圖 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #s為像素和初值為0,hash_str為hash值初值為'' s=0 hash_str='' #遍歷累加求像素和 for i in range(8): for j in range(8): s=s+gray[i,j] #求平均灰度 avg=s/64 #灰度大于平均值為1相反為0生成圖片的hash值 for i in range(8): for j in range(8): if gray[i,j]>avg: hash_str=hash_str+'1' else: hash_str=hash_str+'0' return hash_str #差值感知算法 def dHash(img): #縮放8*8 img=cv2.resize(img,(9,8),interpolation=cv2.INTER_CUBIC) #轉(zhuǎn)換灰度圖 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) hash_str='' #每行前一個像素大于后一個像素為1,相反為0,生成哈希 for i in range(8): for j in range(8): if gray[i,j]>gray[i,j+1]: hash_str=hash_str+'1' else: hash_str=hash_str+'0' return hash_str #Hash值對比 def cmpHash(hash1,hash2): n=0 #hash長度不同則返回-1代表傳參出錯 if len(hash1)!=len(hash2): return -1 #遍歷判斷 for i in range(len(hash1)): #不相等則n計數(shù)+1,n最終為相似度 if hash1[i]!=hash2[i]: n=n+1 return n img1=cv2.imread('A.png') img2=cv2.imread('B.png') hash1= aHash(img1) hash2= aHash(img2) print(hash1) print(hash2) n=cmpHash(hash1,hash2) print '均值哈希算法相似度:'+ str(n) hash1= dHash(img1) hash2= dHash(img2) print(hash1) print(hash2) n=cmpHash(hash1,hash2) print '差值哈希算法相似度:'+ str(n)
講解
相似圖像搜索的哈希算法有三種:
- 均值哈希算法
- 差值哈希算法
- 感知哈希算法
- 均值哈希算法
步驟
縮放:圖片縮放為8*8,保留結(jié)構(gòu),出去細節(jié)。
灰度化:轉(zhuǎn)換為256階灰度圖。
求平均值:計算灰度圖所有像素的平均值。
比較:像素值大于平均值記作1,相反記作0,總共64位。
生成hash:將上述步驟生成的1和0按順序組合起來既是圖片的指紋(hash)。順序不固定。但是比較時候必須是相同的順序。
對比指紋:將兩幅圖的指紋對比,計算漢明距離,即兩個64位的hash值有多少位是不一樣的,不相同位數(shù)越少,圖片越相似。
代碼實現(xiàn):
#均值哈希算法 def aHash(img): #縮放為8*8 img=cv2.resize(img,(8,8),interpolation=cv2.INTER_CUBIC) #轉(zhuǎn)換為灰度圖 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #s為像素和初值為0,hash_str為hash值初值為'' s=0 hash_str='' #遍歷累加求像素和 for i in range(8): for j in range(8): s=s+gray[i,j] #求平均灰度 avg=s/64 #灰度大于平均值為1相反為0生成圖片的hash值 for i in range(8): for j in range(8): if gray[i,j]>avg: hash_str=hash_str+'1' else: hash_str=hash_str+'0' return hash_str
差值哈希算法
差值哈希算法前期和后期基本相同,只有中間比較hash有變化。
步驟
1. 縮放:圖片縮放為8*9,保留結(jié)構(gòu),出去細節(jié)。
2. 灰度化:轉(zhuǎn)換為256階灰度圖。
3. 求平均值:計算灰度圖所有像素的平均值。
4. 比較:像素值大于后一個像素值記作1,相反記作0。本行不與下一行對比,每行9個像素,八個差值,有8行,總共64位
5. 生成hash:將上述步驟生成的1和0按順序組合起來既是圖片的指紋(hash)。順序不固定。但是比較時候必須是相同的順序。
6. 對比指紋:將兩幅圖的指紋對比,計算漢明距離,即兩個64位的hash值有多少位是不一樣的,不相同位數(shù)越少,圖片越相似。
#差值感知算法 def dHash(img): #縮放8*8 img=cv2.resize(img,(9,8),interpolation=cv2.INTER_CUBIC) #轉(zhuǎn)換灰度圖 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) hash_str='' #每行前一個像素大于后一個像素為1,相反為0,生成哈希 for i in range(8): for j in range(8): if gray[i,j]>gray[i,j+1]: hash_str=hash_str+'1' else: hash_str=hash_str+'0' return hash_str
感知哈希算法
感知哈希算法可以參考
相似性︱python+opencv實現(xiàn)pHash算法+hamming距離(simhash)(三)
講的很詳細了。
Hash值對比
由于返回值為str字符串,所以直接遍歷字符串進行比對。
#Hash值對比 def cmpHash(hash1,hash2): n=0 #hash長度不同則返回-1代表傳參出錯 if len(hash1)!=len(hash2): return -1 #遍歷判斷 for i in range(len(hash1)): #不相等則n計數(shù)+1,n最終為相似度 if hash1[i]!=hash2[i]: n=n+1 return n
以上就是本文的全部內(nèi)容,希望對大家的學習有所幫助,也希望大家多多支持腳本之家。
相關(guān)文章
Python人工智能深度學習模型訓練經(jīng)驗總結(jié)
這篇文章主要為大家介紹了Python人工智能深度學習模型訓練的經(jīng)驗總結(jié)及建議,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步2021-11-11pandas 使用apply同時處理兩列數(shù)據(jù)的方法
下面小編就為大家分享一篇pandas 使用apply同時處理兩列數(shù)據(jù)的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04使用Python玩轉(zhuǎn)串口(基于pySerial問題)
這篇文章主要介紹了使用Python玩轉(zhuǎn)串口(基于pySerial問題),具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2023-09-09