相似图片检测：dHash的Python实现

基本概念

在某些情况下，我们需要检测图片之间的相似性，我们可能需要对图片进行去重、标记盗版等操作。
感知哈希算法是一类算法的总称，包括aHash、pHash、dHash。
·aHash：平均值哈希。速度比较快，但不精确。
·pHash：感知哈希。精确度较高，但速度慢。
·dHash：差异值哈希。精确度较高且速度非常快。

一、相似图片检测步骤

1.分别计算两张图片的dHash值
2.通过dHash值计算两张图片的汉明距离（Hamming Distance），通过汉明距离的大小，判断两张图片的相似度。

二、dHash计算

1.缩放图片
原图的分辨率一般非常高，一张240240的图片，就有57,600个像素点，每一个像素点保存一个RGB的值，信息量非常大。因此，将图片缩放，隐藏细节部分。建议缩放为98，宽度为9是有利于我们转换为hash值。

image1=np.array(image1.resize((9, 8), Image.LANCZOS).convert('L'), 'f')
image2=np.array(image2.resize((9, 8), Image.LANCZOS).convert('L'), 'f')

在image.resize中加上Image.LANCZOS参数，会对所有可以影响输出像素的输入像素进行高质量重采样滤波。

2.灰度化
将RGB图像转换为一个0到255的整数表示的灰度值，这样将三维化的比较简化为了一维的比较。上述代码中convert(‘L’)将图像转换为灰度图像。
具体转换方法参考博文

3.差异计算
差异值是通过计算每行相邻像素的强度对比得出的。我们的图片为9*8的分辨率，那么就有8行，每行9个像素。差异值是每行分别计算的，也就是第二行的第一个像素不会与第一行的任何像素比较。每一行有9个像素，那么就会产生8个差异值，所以8行像素共可以得出64个值，因此此时哈希值为长度是64的0-1序列。
如果前一个像素的颜色强度大于第二个像素，那么差异值就设置为True（也就是1），如果不大于第二个像素，就设置为False（也就是0）。

def dHash(image):
    image_new=image
    #计算均值
    avreage = np.mean(image_new)
    hash=[]
    #每行前一个像素大于后一个像素为1，相反为0，生成哈希
    for i in range(8):
        for j in range(8):
            if image[i,j]>image[i,j+1]:
                hash.append(1)
            else:
                hash.append(0)
    return hash

计算汉明距离

汉明距离表示将不同的地方修改成相同的时候需要多少个步骤。
dHash中的汉明距离是通过计算差异值的修改位数。我们的差异值是用0、1表示的，可以看做二进制。二进制0110与1111的汉明距离为2。
我们将hash列表逐一进行比较，累加不同的位数，最后计算出的位数即为汉明距离。

#计算汉明距离
def Hamming_distance(hash1,hash2):
    num = 0
    for index in range(len(hash1)):
        if hash1[index] != hash2[index]:
            num += 1
    return num

一般来说，汉明距离小于5，基本就是同一张图片。大家可以根据自己的实际情况，判断汉明距离临界值为多少。

完整代码

from PIL import Image
import os
import numpy as np
import time

#差异哈希算法
def dHash(image):
    image_new=image
    #计算均值
    avreage = np.mean(image_new)
    hash=[]
    #每行前一个像素大于后一个像素为1，相反为0，生成哈希
    for i in range(8):
        for j in range(8):
            if image[i,j]>image[i,j+1]:
                hash.append(1)
            else:
                hash.append(0)
    return hash

#计算汉明距离
def Hamming_distance(hash1,hash2):
    num = 0
    for index in range(len(hash1)):
        if hash1[index] != hash2[index]:
            num += 1
    return num

if __name__ == "__main__":
    image1 = Image.open('0008.png')
    image2 = Image.open('00010.png')
    #缩小尺寸并灰度化
    start = time.time()
    image1=np.array(image1.resize((9, 8), Image.LANCZOS).convert('L'), 'f')
    image2=np.array(image2.resize((9, 8), Image.LANCZOS).convert('L'), 'f')
    hash1 = dHash(image1)
    hash2 = dHash(image2)
    dist = Hamming_distance(hash1, hash2)
    end = time.time()
    #将距离转化为相似度
    similarity = 1 - dist * 1.0 / 64
    print('dist is '+'%d' % dist)
    print('similarity is ' +'%f' % similarity)
    print('time is  '+ '%f'%(end-start))