采用感知哈希算法基于python-PIL的图像去重

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', 
  • 4
    点赞
  • 17
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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