ML之Hash_EditDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法实现计算图像相似度案例

已于 2022-10-17 21:40:44 修改
阅读量4.2k 收藏 19
点赞数 6
分类专栏： CV/MLM ML 文章标签： 算法 哈希算法 均值算法
于 2019-12-05 11:14:48 首次发布
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/qq_41185868/article/details/103401230
版权
ML 同时被 2 个专栏收录
514 篇文章 131 订阅
订阅专栏
CV/MLM
259 篇文章 237 订阅
订阅专栏

ML之Hash_EditDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法实现计算图像相似度案例

目录

基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法实现计算图像相似度案例

输出结果

代码实现

相关文章
ML之相似度计算：图像数据、字符串数据等计算相似度常用的十种方法简介、代码实现
ML之Hash_EditDistance&Hash_HammingDistance&Hog_HanMing&Cosin&SSIM：基于输入图片利用多种算法进行判别
ML之Hash_EditDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法进行判别
ML之Hash_HamMingDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法进行判别
ML之Hog_HammingDistance：基于Hog特征提取“RGB”图像的768个值的单向vector利用汉明距离算法进行判别
ML之Cosin：基于输入图片RGB均值化转为单向vector利用Cosin(余弦相似度)算法进行判别
ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别

基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法实现计算图像相似度案例

输出结果

代码实现

    def edit_dis(self, str1, str2):
        len1 = len(str1)
        len2 = len(str2)
        dp = np.zeros((len1 + 1, len2 + 1))
        for i in range(len1 + 1):
            dp[i][0] = i
        for j in range(len2 + 1):
            dp[0][j] = j
    
        for i in range(1, len1 + 1):
            for j in range(1, len2 + 1):
                temp = 0 if str1[i - 1] == str2[j - 1] else 1
                dp[i][j] = min(dp[i - 1][j - 1] + temp, min(dp[i - 1][j] + 1, dp[i][j - 1] + 1))
        return dp[len1][len2]

一个处女座的程序猿
关注
专栏目录
模糊哈希算法的原理与应用
wenyusuran的专栏
11-03 1754
一、概述 模糊哈希算法又叫基于内容分割的分片分片哈希算法（context triggered piecewise hashing, CTPH），主要用于文件的相似性比较。 2006年，Jesse Kornblum [1] 提出CTPH，并给出一个名为spamsum的算法实例。随后，Jason Sherman开发了ssdeep [2] 工具以实现这一算法。该算法最初用于取证，后来被用于恶
程序员编程技巧实战指南 Top Tips for Programming Interviews
最新发布
程序员光剑
08-28 460
作者：禅与计算机程序设计艺术 1.简介 ： 概要介绍 编程面试是一个重要且紧迫的过程。在这里，候选者需要完成一些实际的编程任务，考察他们对计算机科学的理解、解决实际问题的能力、编码能力以及解决问题的方法论。因此，面试官必须准备充分，不仅会测试候选者对计
利用余弦距离和编辑距离计算相似度
shuishuishuitian的博客
11-21 698
在相似度计算中，我么们经常用到余弦距离，编辑距离，编者发现python提供一个十分方便计算余弦距离的方法，利用scikit-learn库实现，代码如下： 第一个方法为余弦距离计算，第二个方法为编辑距离计算。 两者各有优缺点，需要的朋友可以分别试试了和我讨论。 from sklearn.feature_extraction.text import CountVectorizer from sklearn.metrics import pairwise_kernels def Levenshtein_Dist
距离与相似度：欧氏距离，Jaccard距离, 余弦距离，编辑距离
qq_39852142的博客
01-09 886
Jaccard距离 余弦距离
ML之Hash_HamMingDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法实现计算图像相似度案例
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
12-05 5095
ML之Hash_HamMingDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法实现计算图像相似度案例CV之。
日期差值——一种快速的求解方法（Hash的思想）
一个重视算法和系统设计的实战派
10-27 387
#include #define ISYEAP(x) x%100!=0&&x%4==0||x%400==0?1:0 int day[13][2]={{0,0},{31,31},{28,29},{31,31},{30,30},{31,31},{30,30},{31,31},{31,31},{30,30},{31,31},{30,30},{31,31}}; struct Date{ int
图神经网络应用——基于深度学习的图相似度计算（以SIMGNN为例的保姆级讲解）
weixin_40718664的博客
08-07 9986
图卷积网络应用——基于深度学习的图相似度计算保姆级讲解（以SIMGNN为例） 为啥想写这篇文章呢。。因为之前提到的图神经网络应用篇鸽了快一年了，把自己的研究方向做一个总结，并向其他同样研究方向的朋友做一个报告，如有错误，敬请指出。而且，这个研究方向人太少了，万望能借此引起更多人的关注与兴趣。废话不多说了，以下开启此篇正文。 图相似度计算（Graph Similarity）是图领域一个重要应用，与图片相似度（Image Similarity）不是一回事。针对图片相似度，比较常用的有：汉明距离、欧式距离、马氏距
python 算法面试代码
大数据AI笔记
01-12 535
快排一行代码实现 quick_sort = lambda array: array if len(array) <= 1 else quick_sort([item for item in array[1:] if item <= array[0]]) + [array[0]] + quick_sort([item for item in array[1:] if item > array[0]]) 符合python风格的快排代码 def quick_sort(arr): """
Hack the LAMPSecurity: CTF8 (CTF Challenge)
墙角睡大觉的专栏
07-30 1794
欢迎来到boot2root CTF挑战“LAMPSecurity：CTF8”由madirsh2600上传到vulnhub。因为，有一个主题，你需要获取flag以完成挑战，下载地址。 https://www.vulnhub.com/entry/lampsecurity-ctf8,87/ 根据作者描述，该漏洞靶机环境有很多种技术可以获得root权限。但这中间并没有利用开发/缓冲区溢出。因此，根据我们的...
（十：2020.08.28）CVPR 2018 追踪之论文纲要（译）
Jojo论文基地
08-28 7180
CVPR 2018 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这979篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
利用公共子图同构计算图编辑距离相似度（CSI_GED:An Efficient Approach for Graph Edit Similarity Computation ICDE2016）
CaptureItTechnology的博客
11-14 3388
用边映射的方法，寻找最佳匹配的路径
均值哈希；感知哈希；差值哈希
jingjingliang1995的博客
04-14 3430
均值哈希（aHash）： 图片缩放，一般为88，或者3232； 图片灰度化； 求平均值，并根据平均值将每一个像素二值化（大于均值为1小于均值为0）； 将8*8=64位bit，每8个比特为一个十六进制值，转换成字符串，生成哈希值（指纹）； 感知哈希（pHash）： 图片缩放，一般32*32； 图片灰度化； 对图片进行离散余弦变换（DCT），转换频域； 取频域左上角8*8大小（图片的能量都集中在低频...
哈希算法实现图像相似度比较(Python&OpenCV)
热门推荐
郝凡的博客
08-11 2万+
简述相似图像搜索的哈希算法有三种： 均值哈希算法 差值哈希算法 感知哈希算法 均值哈希算法步骤 缩放：图片缩放为8*8，保留结构，出去细节。 灰度化：转换为256阶灰度图。 求平均值：计算灰度图所有像素的平均值。 比较：像素值大于平均值记作1，相反记作0，总共64位。 生成hash：将上述步骤生成的1和0按顺序组合起来既是图片的指纹（hash）。顺序不固定。但是比较时候必须是相同的顺序。 对比指
差值哈希（DHash）
赵翌东
09-23 3918
公众号：习习立
哈希算法-图片相似度计算
chenghaoy的博客
10-22 1万+
哈希算法实现图片相似度计算 实现图片相似度比较的哈希算法有三种：均值哈希算法，差值哈希算法，感知哈希算法 1.均值哈希算法 一张图片就是一个二维信号，它包含了不同频率的成分。亮度变化小的区域是低频成分，它描述大范围的信息。而亮度变化剧烈的区域（比如物体的边缘）就是高频的成分，它描述具体的细节。或者说高频可以提供图片详细的信息，而低频可以提供一个框架。 而一张大的，详细的图片有很高的频率，而小图片缺...
tf.edit_distance()函数
沉默的夏虫
04-26 1692
# coding:utf-8 import tensorflow as tf import numpy as np images1 = [[1,2,3],[2,3,1],[2,3,1],[2,3,1]] images2 = [[1,2,3],[2,3,2],[2,1,2],[5,53,51]] def sparse_tuple_from(sequences, dtype=np.int32): ...
图片相似度判断-差异值哈希算法JAVA版
lx83350475的专栏
11-17 2426
在网上找了好久都没有找到判断图片相似度的差异值哈希算法的JAVA版正确实现，自己手写了一个，提供给大家参考。 差异值哈希算法的流程（dHash） 图片缩放为9*8大小 将图片灰度化 差异值计算（每行相邻像素的差值，这样会生成8*8的差值，前一个像素大于后一个像素则为1，否则为0） 生成哈希值 package com.example.demo.hello; import javax....
OpenCV查找相似图片-Hash均值对比 -Hash差值对比（不靠谱）
kingroc的博客
09-19 1123
《OpenCV系列教程》 《深度学习-如何提高数据集质量》 项目位置：OpenCV-Sample 代码位置：42-Hashcompare.py 免责声明 这是两个不靠谱的对比方式，不靠谱为啥还写出来呢？我看有人用这个方式我就来调查一下，发现不靠谱所以展示给大家，避免一起浪费时间。 先看测完图片吧，效果很差，类似卷积操作或者pool操作。 Hash均值对比： ...
评论
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

打赏作者

一个处女座的程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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