结果
结果:
从左往右 相似度递减
通过对比哈希数值 来判断是否匹配
# -*- coding: utf-8 -*-
import glob
import cv2
import numpy as np
import matplotlib.pyplot as plt
#========提取感知哈希值函数===============
def getHash(I):
size=(8,8)
I=cv2.resize(I,size)
I=cv2.cvtColor(I,cv2.COLOR_BGR2GRAY)
m=np.mean(I)
r=(I>m).astype(int)
x=r.flatten()
return x
#==========构造计算汉明距离函数============
def hamming(h1, h2):
r=cv2.bitwise_xor(h1,h2)
h=np.sum(r)
return h
#========计算检索图像的hash值===============
#o=cv2.imread("apple.jpg")
o=cv2.imread("tomato2.jpg")
h=getHash(o)
print("检索图像的感知哈希值为:\n",h)
#========计算指定文件夹下的所有图像hash值===============
images = []
EXTS = 'jpg', 'jpeg', 'gif', 'png', 'bmp'
for ext in EXTS:
images.extend(glob.glob('image/*.%s' % ext))
seq = []
for f in images:
I=cv2.imread(f)
seq.append((f, getHash(I)))
# print(seq)
#========以图搜图核心:找出最相似图像===============
# 计算检索图像与图像库内所有图像距离,将最小距离作为检索结果
distance=[]
for x in seq:
distance.append((hamming(h,x[1]),x[0])) #每次添加(距离值,图像名称)
s=sorted(distance) #排序,把距离最小的放在最前面
print(s) #测试代码:看看图像库内各个图像的距离值
r1=cv2.imread(str(s[0][1]))
r2=cv2.imread(str(s[1][1]))
r3=cv2.imread(str(s[2][1]))
# ================绘制结果===================
plt.figure("result")
plt.subplot(141),plt.imshow(cv2.cvtColor(o,cv2.COLOR_BGR2RGB)),plt.axis("off")
plt.subplot(142),plt.imshow(cv2.cvtColor(r1,cv2.COLOR_BGR2RGB)),plt.axis("off")
plt.subplot(143),plt.imshow(cv2.cvtColor(r2,cv2.COLOR_BGR2RGB)),plt.axis("off")
plt.subplot(144),plt.imshow(cv2.cvtColor(r3,cv2.COLOR_BGR2RGB)),plt.axis("off")
plt.show()