图片比较算法

bool JPEGMultiProcessServer::isEqualPiece(constQRect &rect,constQRect &oldrect){

    const uchar *nNewPixelPtr = NULL;
    const uchar *nOldPixelPtr = NULL;
    bool ret = true;
    if(mImage==NULL)
        return true;
    if(mOldImage==NULL)
        return false;
    if(mOldImage->isNull()||mImage->isNull()) {
        dmsg_err("mOldImage or mImage is NULL");
        return false;
    }
    QImage rectImage = mImage->copy(rect);
    QImage rectOldImage = mOldImage->copy(oldrect);
//方案一 比较图片所有数据,内存块数据操作
//    for(int i=0;i<rect.height();i++)
//    {
//        nNewPixelPtr = mImage->bits()+mImage->bytesPerLine()*(rect.y()+i)+
//                rect.x()*mImage->depth()/8;
//        nOldPixelPtr = mOldImage->bits()+mOldImage->bytesPerLine()*(rect.y()+i)+
//                rect.x()*mOldImage->depth()/8;
//        //ret = false;
//        if(memcmp(nNewPixelPtr,nOldPixelPtr,rect.width()*mImage->depth()/8)!=0)
//        {
//            ret = false;
//            break;
//        }
//    }
//方案二 比较图片像素颜色
    //QPixmap ScreenPicture = ScreenPicture.fromImage(rectImage);
//    QRgb col;
//    QRgb oldcol;
//    for(int i =0;i<rectImage.height();++i)
//        for(int j=0;j<rectImage.width();++j)
//        {
//            col = rectImage.pixel(j,i);
//            oldcol = rectOldImage.pixel(j,i);
//            if(col != oldcol)
//                return false;
//        }
//方案三 比较图片数据,先将图片二进制数据转换为base64编码
    QByteArray picturedata;
    QBuffer buffer(&picturedata);
    buffer.open(QIODevice::ReadWrite);
    rectImage.save(&buffer,"JPG");
    if(buffer.isOpen())
        buffer.close();
    QByteArray firstmap = picturedata.toBase64();
    QString fmap = firstmap;
 
    QByteArray oldpicturedata;
    QBuffer buffer1(&oldpicturedata);
    buffer.open(QIODevice::ReadWrite);
    rectOldImage.save(&buffer1,"JPG");
    if(buffer.isOpen())
        buffer.close();
    QByteArray secondmap = oldpicturedata.toBase64();
    QString smap = secondmap;
 
    if(QString::compare(fmap ,smap)!=0)
        return false;
 
    return ret;
}

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
使用Java实现pHash比较图片相似度的算法,可以通过计算两个图像的pHash值之间的汉明距离来实现。汉明距离是两个等长字符串之间对应位置上不同字符的个数,也就是说,两个字符串的汉明距离越小,它们的相似度就越高。 下面是一个使用Java实现pHash比较图片相似度的示例代码: ```java import org.bytedeco.javacpp.opencv_core; import org.bytedeco.javacpp.opencv_imgcodecs; import com.github.kilianB.hashAlgorithms.PerceptiveHash; public class ImageSimilarity { public static void main(String[] args) { // 读取两个图像 opencv_core.Mat image1 = opencv_imgcodecs.imread("image1.jpg"); opencv_core.Mat image2 = opencv_imgcodecs.imread("image2.jpg"); // 将图像转换为灰度图像 opencv_core.Mat grayImage1 = new opencv_core.Mat(); opencv_imgproc.cvtColor(image1, grayImage1, opencv_imgproc.COLOR_BGR2GRAY); opencv_core.Mat grayImage2 = new opencv_core.Mat(); opencv_imgproc.cvtColor(image2, grayImage2, opencv_imgproc.COLOR_BGR2GRAY); // 计算pHash值 PerceptiveHash phash = new PerceptiveHash(32); String hash1 = phash.hash(grayImage1); String hash2 = phash.hash(grayImage2); // 计算汉明距离 int hammingDistance = 0; for(int i = 0; i < hash1.length(); i++) { if(hash1.charAt(i) != hash2.charAt(i)) { hammingDistance++; } } // 计算相似度 double similarity = 1 - hammingDistance / (double)hash1.length(); System.out.println("相似度: " + similarity); } } ``` 这个示例代码读取名为"image1.jpg"和"image2.jpg"的两个图像,将它们转换为灰度图像,然后计算它们的pHash值,并计算两个pHash值之间的汉明距离。最后,通过汉明距离计算两个图像的相似度。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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