采用感知哈希算法基于python-PIL的图像去重

最新推荐文章于 2024-05-12 09:52:51 发布
最新推荐文章于 2024-05-12 09:52:51 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-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
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 ...
探索图像指纹的奥秘：ImageHash 开源库
最新发布
gitblog_00038的博客
05-12 269
探索图像指纹的奥秘：ImageHash 开源库 项目地址:https://gitcode.com/jenssegers/imagehash 项目介绍 在数字世界中，图像处理和识别是不可或缺的一环。当我们需要寻找重复图片、检测盗版或进行相似性搜索时，传统的哈希函数可能无法满足需求。这时，ImageHash 库应运而生，它提供了一种全新的方法——感知哈希（Perceptual Hash），通过计算图像...
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
12-06 713
>>> 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...
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...
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...
Python实现哈希算法，并检测图片重复的教程
weixin_38208741的博客
05-21 6952
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...
用 Python 实现哈希算法检测重复图片
deep_love1314的博客
04-07 1636
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
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
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 1103
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 ...
数据处理四 基于图像hash进行数据整理（删除重复图片、基于模版查找图片）
m0_74259636的博客
01-06 1553
哈希相似度算法（Hash algorithm），它的作用是对每张图片生成一个固定位数的Hash 值（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。图像Hash算法准确的说有三种，分别为平均哈希算法(aHash)、感知哈希算法你(pHash)和差异哈哈希算法(dHash)。 `图像hash与上文中描述的hash算法目的不同，图像hash主要可用于判断或查找相似的图片,我们要尽可能的是图像hash值具有意义，与内容相关。`他应当具备以下特点： * 1、高效计算，能
Python:实现感知哈希算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
01-31 230
Python:实现感知哈希算法(附完整源码)
数据集图片去重
Eagle的博客
10-04 595
介绍 本项目Github 本项目使用aHash，目的是去除重复的数据集图片，Hash部分来自于Github项目：https://github.com/7WebPages/comparer 目录结构 Root DeleteSameImage.py HashUtils.py datasets images1 images2 快速开始 按照目录结构构件项目目录，然后直接运行DeleteSameImage.py。 依赖 opencv PIL 代码 DeleteSampleImage.py f
图像去重开发说明书
仰望星空的博客
04-12 1557
图像去重. 删除重复或相似的图像. 计算图片相似度的应用很广泛, 如google, baidu, 360等搜索引擎以图搜图的功能就是其典型应用. 1. 感知哈希算法(Perceptual hash algorithm). phash算法可以使用Python调用Opencv库实现, 但是运行效率会比较慢. 可以这样处理: 在http://phash.org/官网上安装C版本的phash计算方法, 然...
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。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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