different Hash算法
dHash中文叫差异哈希算法,在对图片进行哈希转换时,通过左右两个像素大小的比较,得到最终哈希序列。相比于aHash算法。dHash速度快,判断效果也要好。
实现过程
- 缩小尺寸。将图片缩小为9*8大小,此时照片有72个像素点。
- 灰度化处理。
- 计算差异值,获得最后哈希值(与aHash主要区别处)。比较每行左右两个像素,如果左边的像素比右边的更亮(左边像素值大于右边像素值),则记录为1,否则为0。因为每行有9个像素,左右两个依次比较可得出8个值,所以8行像素共可以得出64个值,因此此时哈希值为长度是64的0-1序列。
- 将64位哈希值序列4个4个分割,转为十六进制。
- 图片配对,计算汉明距离。
python代码实现
from PIL import Image
import numpy as np
# 得到哈希值
def Get_hash(img):
hash = ''
image = Image.open(img)
image = np.array(image.resize((9, 8), Image.ANTIALIAS).convert('L'), 'f') # 9*8缩放,'f'表示整个数组都是float32类型
# 该遍历方法正好是234个像素
for i in range(8):
for j in range(8):
if image[i, j] > image[i, j + 1]:
hash += '1'
else:
hash += '0'
print(hash)
hash = ''.join(map(lambda x: '%x' % int(hash[x: x + 4], 2), range(0, 64, 4))) # %x:转换无符号十六进制
return hash
# 得到汉明距离
def Get_Hamming(hash1, hash2):
Hamming = 0
for i in range(len(hash1)):
if hash1[i] != hash2[i]:
Hamming += 1
return Hamming
def run():
hash1 = Get_hash(r'D:\cjk1.png')
hash2 = Get_hash(r'D:\cjk2.png')
Hamming = Get_Hamming(hash1, hash2)
print(hash1)
print(hash2)
print(Hamming)
run()