python实现一种相似图片搜索算法

下文中介绍了一种相似图片搜索的算法，算法的思路如下：

1.把所有操作图片转换为8×8的灰度图片；

2.计算每张图片的指纹。把8x8总共64个像素点和其平均灰度值比较，大于平均值返回1，否则返回0，这样每张图都可以用64bit二进制数表示。

3.比较指定图片和搜索图片的指纹。通过汉明距来表征其差异。汉明距越大，表示这两幅图片差异越大。

代码如下，使用的python版本3.8.6

import glob
import os

from functools import reduce

from PIL import Image

EXTS = 'jpg', 'jpeg', 'JPEG', 'gif', 'GIF', 'png', 'PNG'

def avhash(im):
    if not isinstance(im, Image.Image):
        im = Image.open(im)
    im = im.resize((8, 8), Image.ANTIALIAS).convert('L')
    avg = reduce(lambda x, y: x + y, im.getdata()) / 64.
    tmp_a = map(lambda i: 0 if i < avg else 1, list(im.getdata()))
    tmp_b = list(tmp_a)
    i = 0
    c = 0
    for dt in tmp_b:
        c = c + (dt << i)
        i = i +1
    return c

def hamming(h1, h2):
    h, d = 0, h1 ^ h2
    while d:
        h += 1
        d &= d - 1
    return h

if __name__ == '__main__':
    h = avhash("cat.jpg")
    wd = "cat"
    os.chdir(wd)
    images = []
    for ext in EXTS:
        images.extend(glob.glob('*.%s' % ext))

    seq = []
    for f in images:
        seq.append((f, hamming(avhash(f), h)))

    for f, ham in sorted(seq, key=lambda i: i[1]):
        print ("%d\t%s" % (ham, f))