1.序
目前“以图搜图”的引擎越来越多,可参考博文:
http://blog.csdn.net/forthcriminson/article/details/8698175
此篇博文中列出了很多“以图搜图”的引擎,之前很好奇他们是如何进行检索的,偶然间看到了一篇博客,上面说Google和Tineye主要利用的算法是感知哈希算法(Perceptual hash algorithm),它的作用是对每张图片生成一个”指纹”(fingerprint)字符串,然后比较不同图片的指纹。结果越接近,就说明图片越相似,里面介绍的原理也比较简单,正好目前也在做图像检索方面的课题,就用OpenCV实现了一下,供大家参考,本篇博文主要介绍如何通过OpenCV实现均值Hash和pHash算法,基本原理和流程会在代码的注释中详细说明。
2.均值Hash算法
//均值Hash算法
string HashValue(Mat &src)
{
string rst(64,'\0');
Mat img;
if(src.channels()==3)
cvtColor(src,img,CV_BGR2GRAY);
else
img=src.clone();
/*第一步,缩小尺寸。
将图片缩小到8x8的尺寸,总共64个像素,去除图片的细节*/
resize(img,img,Size(8,8));
/* 第二步,简化色彩(Color Reduce)。
将缩小后的图片,转为64级灰度。*/
uchar *pData;
for(int i=0;i<img.rows;i++)
{
pData = img.ptr<uchar>(i);