图片识别——均值哈希算法

均值哈希算法是一种简单的图像识别方法,通过缩放、转换为灰度图、计算平均值和比较像素值来生成图像指纹。算法对尺寸、色彩变化有一定鲁棒性,但内容变化会显著影响哈希值。文章介绍了Python和Java实现,并讨论了其优缺点。实际应用中,更复杂的pHash和SIFT算法能更好地处理图像变形。
摘要由CSDN通过智能技术生成

   均值哈希算法(Average hash algorithm,AHA)第一次是从著名的阮一峰阮老师的博文《相似图片搜索的原理》看到的。而此篇文章与阮老师也很类似Looks Like It - The Hacker Factor Blog 。这里不对原谅做摘抄,有兴趣的自己看一下,在此对学习过程中的心得和遇到过的问题做一下总结。

    均值哈希算法,是感知哈希算法中最简单的一种,基本原理是对图片降频。对于图片,高频有很多细节,如颜色、亮度、透明度等等,而低频丢弃细节,只有图像结构。

算法步骤

  1. 缩小尺寸。为了保留结构去掉细节,去除大小、横纵比的差异,把图片统一缩放到8*8,共64个像素的图片。
  2. 简化色彩,转化为灰度图。把缩放后的图片转化为64级灰度图。
  3. 计算平均值。计算进行灰度处理后图片的所有像素点的平均值。
  4. 比较像素灰度值。遍历灰度图片每一个像素,如果大于平均值记录为1&
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