weixin_41009689的博客

前面两篇博客介绍了均值哈希算法(ahash)、感知哈希算法(phash)。由前面的介绍可知，ahash算法是基于比较灰度图每个像素与所有像素点的平均值来实现的，最适合用于缩略图，放大搜索在本质上是对颜色作比较。phash由于做了DCT操作，本质上是对频率的比较。下面要介绍的图像差异哈希算法(dhash)是通过对比相邻像素像素值的差异，即逐像素得到当前像素与右邻像素的差值，得到一个图像差异矩阵，通过该矩阵生成哈希值。这个逐像素得到的图像差异矩阵的比原像素矩阵少了一列，即宽度比原像素矩阵少了1，高度不变。下

在上一篇博客里介绍了图片相似计算中的最简单的一个ahash, 其是基于内容检索最简单的一种，这篇介绍它的增强版感知哈希算法（phash—perceptual hash）。主要也是用缩略图搜索原图并能达到较好点的效果。其实现一共包含以下几个步骤：图像缩放–将图像缩放到32*32大小，这一步的作用是取出各种图片尺寸和图片比例的差异，只保留结构、明暗等信息。灰度化–将32*32大小的图像进行灰度化离散余弦变换（DCT）–对32*32大小图像进行DCT计算均值–用3232大小图片前面88的像素值中大于均

最近接触到图像去重算法，有phash、dhash和ahash等基于哈希方法的去重算法。phash全称是感知哈希算法（Perceptual hash algorithm），使用这玩意儿可以对每个图片生成一个值，然后计算他们的hamming distance，简单的说就是数一数二进制之后有几位不同。整个处理流程有点像对文章去重时先算simhash再算hamming distance，很多东西都可以直接套用过来。首先介绍ahash算法（全称average hash）是phash算法的一种，是基于图像内容搜.

二叉堆的介绍二叉堆是完全二元树或者是近似完全二元树，按照数据的排列方式可以分为两种：最大堆和最小堆。最大堆：父结点的键值总是大于或等于任何一个子节点的键值；最小堆：父结点的键值总是小于或等于任何一个子节点的键值。示意图如下：二叉堆一般都通过"数组"来实现。数组实现的二叉堆，父节点和子节点的位置存在一定的关系。有时候，我们将"二叉堆的第一个元素"放在数组索引0的位置，有时候放在1的位置。当然，它们的本质一样(都是二叉堆)，只是实现上稍微有一点点的区别。假设"第一个元素"在数组中的索引为 0 的话，则

最近在看一段程序的时候看见用完cin之后有的时候需要用到cin.clear(); cin.sync();首先需要加#include，然后在学习这个用法时，让我对cin有了新的认识，例如我们读取一系列整型数据，将其存入vector对象中，然后使用count()统计某个指定值出现的次数，下面是我开始的程序：#include<iostream>#include"algorithm"#include<vector>using namespace std;int main()