Python_基于PHash（感知哈希）与ORB的图像识别算法

当我们需要对某一张图片进行判定是否和另外的图片相似时，用的最多的便是感知哈希算法和ORB算法。

感知哈希算法的算法特点便是忽略图像中的细节，比如：地点、光照影响、内容等因素，而仅仅对图片中的特征进行比较，从而判断出两图片是否相似。
例如，我们有一张图片。此时，我们需要判断我们的图形库中是否具有与其相似或一样的图片，这个时候，我们将它的细节内容给祛除掉，这时候，我们可以用缩放的方式将细节内容给去除。

将图片给缩放成8*8格式之后，图片将会变成以下形式：

但是，由于我们的图片展示是由3原色（红、绿、蓝）构成，所以，未来我们计算的时候，也要考虑到3个像素之间彼此的关系，为了之后计算的简单性，我们将这张图片转成灰度图片：

排除了三原色的影响，我们再将灰度图片进行二值化操作（将低于平均灰度值的置位0，高于平均灰度值的置位1），排除光线等原因造成的图片灰度值不等的影响，得到最后的图片，一般来说，比值高于0.9以上，就可以认为是一张图片了。

至于ORB算法原理，有几位小哥的博客写的很清晰，在这里我就不班门弄斧了，附链接：
ORB算法原理

最后，附上源码：

#coding-utf-8

import cv2
import numpy as np
import os
import shutil

#存放图片目录
path = "D:\\untitled1\\photo"
#用户传输原图
imgPathSrc = "\\untitled1\\photo\\get1.jpg"
#相似比例值
simil = 0.85
#相似图片存入地址
saveFile = "C:\\Users\\EDZ\\Desktop\\test_consult\\"

def ORBImgSimilarity(imgPathSrc,imgPathCom):
    """
    :param imgPathSrc: 原图路径
    :param imgPathCom: 待比较图片路径
    :return:图片相似度
    """
    try:
        #读取图片
        imgSrc = cv2.imread(imgPathSrc,cv2.IMREAD_GRAYSCALE)
        imgCom = cv2.imread(imgPathCom,cv2.IMREAD_GRAYSCALE)

        #初始化ORB检测器
        orb = cv2.ORB_create()
        kpSrc,deSrc = orb.detectAndCompute(imgSrc