超级会员免费看
本文介绍了感知哈希算法在图像相似度计算中的应用，包括均值哈希（aHash）、差异值哈希（dHash）、感知哈希（pHash）和小波哈希（wHash）。通过DCT变换和汉明距离计算，实现图像指纹的生成与比较。还分享了一个基于imagehash库的以图找图小工具的实现，探讨了图像识别的相似度算法与分类模型的异同。
Google之前上线了“以图搜图”的功能，吸引了一大批人员的使用， 体验之后不得不说还是很强大，谷歌背后的黑科技还是很强大的。感知哈希本质上是哈希算法中的一类算法，最初被提出来就是用来做相似图片的匹配与计算的，以图搜图的本质也是在做详细图片的计算与匹配，不同的算法会有不同的计算精度和计算速度。
对于我们每个人来说，我们有个人的身份证号码这样的数字指纹来标识每一个人，同样，我们也有指纹、虹膜等生物指纹来标识我们自己，对于图像而言，我想也可以采用一种数据量化的手段来生成每一张图像的签名元素或者称为是图像指纹，这样的指纹信息就可以用于后续的相似度计算了。
这里提到了相似度计算就不得不简单讲解说明一下什么是汉明距离，在我们已有的很多相似度计算算法中，很多都是基于距离的计算而实现的。感兴趣的话可以参考一下我之前的一篇博客，地址在下面：
距离越大，表示的是参与计算的两个对象之间的差异性越大，进而反映出来的相似度就会越低；距离越小，表示
订阅专栏 解锁全文
扫一扫
2296
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
