采用感知哈希算法基于python-PIL的图像去重

最新推荐文章于 2024-06-04 16:44:54 发布
最新推荐文章于 2024-06-04 16:44:54 发布
阅读量8.4k 收藏 17
点赞数 4
分类专栏： Python Tip 文章标签： 算法 hash 图片识别 python PIL
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Gentle_Guan/article/details/73384767
版权

所谓感知哈希算法 它不是很严格的哈希算法
而是相对的hash
本篇介绍的感知哈希算法为：dhash
dHash：差异值哈希，基于渐变的hash算法，精确度较高，且速度也比较快（本文没有转换，见代码注释）

注:用到了PIL库
以及汉明距离（传送门）

正文来了

先贴代码

# -*- coding:utf-8 -*-

"""

用dhash判断是否相同照片
基于渐变比较的hash
hash可以省略(本文省略)
By Guanpx

"""

from PIL import Image
from os import listdir


def picPostfix():  # 相册后缀的集合
    postFix = set()
    postFix.update(['bmp', 'jpg', 'png', 'tiff', 'gif', 'pcx', 'tga', 'exif',
                    'fpx', 'svg', 'psd', 'cdr', 'pcd', 'dxf', 'ufo', 'eps',
最低0.47元/天 解锁文章
_Magic
关注
  • 4
    点赞
  • 踩
  • 17
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Python图像处理【6】通过哈希查找重复和类似的图像
qq_30167691的博客
12-25 2717
哈希函数 (Hash Function) 可以将任意长度的数据字符串映射到固定长度的输出，通常用于压缩输入数据。在本节中，我们介绍图像搜索中的两个相关问题，即使用基于哈希函数的方法来解决问题图像搜索问题，包括查找重复图像和查找类似图像，我们分别使用了 MD5 算法和感知哈希函数解决这两个问题。
Python-PIL-picture:采用感知哈希算法基于Python-PIL的图像去重
04-27
Python-PIL 采用感知哈希算法基于python-PIL的图像去重 简单小代码
Python实现感知哈希算法（pHash）
weixin_42872907的博客
08-31 4616
感知哈希算法步骤： 1、设置图片大小：一般是32 * 32，一个较好的大小，方便DCT计算； 2、转化为灰度图：把缩放后的图片转化为256阶的灰度图； 3、计算DCT: DCT把图片分离成分率的集合； 4、DCT计算后的矩阵是32 * 32，保留左上角的8 * 8，这些代表的图片的最低频率； 5、计算平均值：计算缩小DCT后的所有像素点的平均值； 6、计算图片哈希值，大于平均值记录为1，反之记录为0，得到信息指纹，组合64个信息位，顺序随意保持一致性； 7、最后比对两张图片的指纹，对比汉明距离从而比较图片相
图片去重的最佳方法？电脑图片去重神器：4款
Susu_afmx的博客
06-01 1611
通过计算图片之间的相似度，并设置一个阈值，当两张图片的相似度超过阈值时，认为它们是重复图片。然而，随着图片数量的增加，如何有效管理图片，避免重复，成为了许多人面临的问题。本文将为您介绍图片去重的最佳方法，并推荐四款电脑图片去重神器，帮助您轻松解决图片重复问题。通过使用这些软件，您可以轻松管理自己的图片库，避免重复图片的出现，让您的存储空间得到更合理的利用。基于哈希算法的去重方法：哈希算法是一种将任意长度的二进制值映射为较短的固定长度的二进制值的算法。当两个图片的哈希值相同时，它们被认为是相同的图片。
数据集预处理：计算哈希值去除重复图片
最新发布
weixin_71640965的博客
06-04 325
方案一：将重复的图片移动到指定的文件夹。方案二：直接删除重复图片。安装imagehash库。
通过哈希算法实现图片去重
热门推荐
ZM970307的博客
05-02 1万+
图像去重：MD5和SHA算法 最近找了几个关于图像去重的博文，整理了一下，和大家分享。 采用感知哈希算法基于python-PIL的图像去重 https://blog.csdn.net/Gentle_Guan/article/details/73384767 用Python实现通过哈希算法检测图片重复的教程 http://www.jb51.net/article/63320.htm ...
基于python与哈希算法实现图像去重
06-25
基于python与哈希算法实现图像去重
感知哈希算法(Python版)
04-20
Python3实现基于PHA实现图像配准
python查重算法hash_用Python实现通过哈希算法检测图片重复的教程
weixin_39758032的博客
12-06 722
>>> from PIL import Image>>> test_image = Image.open('data/test_image.jpg')# The image is an RGB image with a size of 8x8 pixels.>>> print 'Image Mode: %s' % test_image.mode...
Python实现哈希算法，并检测图片重复的教程
weixin_38208741的博客
05-21 6965
Iconfinder 是一个图标搜索引擎，为设计师、开发者和其他创意工作者提供精美图标，目前托管超过 34 万枚图标，是全球最大的付费图标库。用户也可以在 Iconfinder 的交易板块上传出售原创作品。每个月都有成千上万的图标上传到Iconfinder，同时也伴随而来大量的盗版图。Iconfinder 工程师 Silviu Tantos 在本文中提出一个新颖巧妙的图像查重技术，以杜绝盗版。我们...
基于python与感知哈希算法实现图像检索
06-25
总结一下，基于Python和感知哈希算法实现图像检索涉及的关键知识点包括： 1. 感知哈希算法的原理与步骤：预处理、DCT变换、降噪、二进制表示和哈希化。 2. Python中的`imagehash`库：提供便利的接口来计算感知哈希和...
HashSet去重
07-27
简述了HashSet去重原理
python图像去重. 删除重复或相似的图像
05-14
图像去重. 删除重复或相似的图像，感知哈希法，python
查找重复图片并删除python（图片去重）
06-18
和网络爬虫配套的，也可单独使用，从网上爬下来的图片重复太多 代码支持识别不同尺寸大小一致的图片，并把重复的图片删除，只保留第一份。主要用的opencv的库 不过由于python效率的问题，图片量大的情况下要跑很长时间（6年前的mac mini跑3000张图片超过24小时）
Python-imagehash使用Python编写感知图像哈希模块
08-10
在Python的世界里，图片处理是一项常见的任务，而`imagehash`正是这样一个强大的工具，它用于生成图像的感知哈希（Perceptual Hash），进而帮助我们识别和比较图像的相似性。感知哈希是一种将图像转化为固定长度哈希...
Python-pybktree以Python语言使用感知哈希检测重复图像
08-10
这个库基于感知哈希（Perceptual Hashing, PHash）算法，它是一种计算图像指纹的算法，能够将图像转换为一个紧凑的哈希值，以此来比较图像之间的相似度。 感知哈希的基本原理是模拟人类视觉系统对图像的感知，通过...
用 Python 实现哈希算法检测重复图片
deep_love1314的博客
04-07 1645
用 Python 实现哈希算法检测重复图片 - 简书 Python实现哈希算法，并检测图片重复的教程_Steven_ycs的博客-CSDN博客_python实现哈希
用python实现通过哈希算法检测图片重复_图像检索系列——利用 Python 检测图像相似度...
weixin_31140599的博客
01-24 1105
本文的代码可在微信公众号「01二进制」后台回复「检测图像相似度」获得。前言最近在做一个海量图片检索的项目，可以简单的理解为“以图搜图”，这个功能一开始是搜索引擎带火的，但是后来在电商领域变得非常实用。在制作这个图片检索的项目前，笔者搜索了一些资料，如今项目临近结尾，便在这里做一些简单的分享。本文先介绍图像检索最基础的一部分知识——利用 Python 检测图像相似度。提到检测“某某”的相似...
去重算法-hash-set
diaoju3333的博客
11-15 258
Well, as Bavarious pointed out in a comment, Apple's actual CoreFoundation source isopen and available for your perusaltoo.NSSetis implemented on top ofCFSet, whose code is generated (as is ...
python实现感知哈希算法
08-13
感知哈希算法（Perceptual Hash Algorithm，简称PHash）是一种用于图片相似度比较的算法，通过对图像进行降维处理，将图像转化为一个唯一的hash值，然后通过计算hash值的差异度来判断图像的相似程度。下面是用Python实现PHash算法的步骤： 1. 图像预处理：首先，将图像转为灰度图像，这样可以减少计算复杂度。使用Python的PIL库可以方便地实现这一步骤。 2. 图像缩放：为了降低计算复杂度，将图像缩小到一个固定的大小，如8x8像素。这一步骤也可以使用PIL库来实现。 3. 离散余弦变换（Discrete Cosine Transform，简称DCT）：对缩小后的图像进行DCT变换，得到频域信息。可以使用Python的numpy库中的dct函数来计算DCT。 4. 量化：将DCT系数量化，得到一个8x8的二进制矩阵，其中大于平均值为1，小于平均值为0。 5. 生成hash值：将量化后的二进制矩阵转为一个唯一的hash值。可以将矩阵展平，并将每个元素按顺序拼接成一个长字符串，然后使用Python的hash函数计算出一个hash值。 通过上述步骤，就可以实现PHash算法。使用Python中的PIL库和numpy库可以方便地进行图像处理和计算操作。具体实现的代码可以参考以下示例： ```python from PIL import Image import numpy as np def perceptual_hash(image_path): # 图像预处理 image = Image.open(image_path).convert('L') # 图像缩放 image = image.resize((8, 8), Image.ANTIALIAS) # 离散余弦变换 dct_coeffs = np.asarray(image, dtype=float) dct_coeffs = np.round(dct_coeffs) - 128 dct_coeffs = np.fft.dct(dct_coeffs) dct_coeffs = dct_coeffs[:8, :8] # 量化 avg = np.mean(dct_coeffs) hash_value = np.where(dct_coeffs > avg, 1, 0) # 生成hash值 hash_value = hash_value.flatten().tolist() hash_value = ''.join(map(str, hash_value)) hash_value = hash(hash_value) return hash_value # 使用示例 image1_path = 'image1.jpg' image2_path = 'image2.jpg' hash1 = perceptual_hash(image1_path) hash2 = perceptual_hash(image2_path) print("Image1 hash value:", hash1) print("Image2 hash value:", hash2) ``` 以上代码中的`image1.jpg`和`image2.jpg`分别为待比较的两张图片，根据输出的hash值可以判断两张图片的相似性。如果hash值越接近，则表示图片越相似。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值