使用python怎么比較2張圖片的相似度?很多新手對此不是很清楚,為了幫助大家解決這個難題,下面小編將為大家詳細講解,有這方面需求的人可以來學習下,希望你能有所收獲。
成都創(chuàng)新互聯提供高防主機、云服務器、香港服務器、托管服務器等具體如下:
#!/usr/bin/python # -*- coding: UTF-8 -*- import cv2 import numpy as np #均值哈希算法 def aHash(img): #縮放為8*8 img=cv2.resize(img,(8,8),interpolation=cv2.INTER_CUBIC) #轉換為灰度圖 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #s為像素和初值為0,hash_str為hash值初值為'' s=0 hash_str='' #遍歷累加求像素和 for i in range(8): for j in range(8): s=s+gray[i,j] #求平均灰度 avg=s/64 #灰度大于平均值為1相反為0生成圖片的hash值 for i in range(8): for j in range(8): if gray[i,j]>avg: hash_str=hash_str+'1' else: hash_str=hash_str+'0' return hash_str #差值感知算法 def dHash(img): #縮放8*8 img=cv2.resize(img,(9,8),interpolation=cv2.INTER_CUBIC) #轉換灰度圖 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) hash_str='' #每行前一個像素大于后一個像素為1,相反為0,生成哈希 for i in range(8): for j in range(8): if gray[i,j]>gray[i,j+1]: hash_str=hash_str+'1' else: hash_str=hash_str+'0' return hash_str #Hash值對比 def cmpHash(hash2,hash3): n=0 #hash長度不同則返回-1代表傳參出錯 if len(hash2)!=len(hash3): return -1 #遍歷判斷 for i in range(len(hash2)): #不相等則n計數+1,n最終為相似度 if hash2[i]!=hash3[i]: n=n+1 return n img1=cv2.imread('A.png') img2=cv2.imread('B.png') hash2= aHash(img1) hash3= aHash(img2) print(hash2) print(hash3) n=cmpHash(hash2,hash3) print '均值哈希算法相似度:'+ str(n) hash2= dHash(img1) hash3= dHash(img2) print(hash2) print(hash3) n=cmpHash(hash2,hash3) print '差值哈希算法相似度:'+ str(n)
講解
相似圖像搜索的哈希算法有三種:
均值哈希算法
差值哈希算法
感知哈希算法
均值哈希算法
步驟
縮放:圖片縮放為8*8,保留結構,出去細節(jié)。
灰度化:轉換為256階灰度圖。
求平均值:計算灰度圖所有像素的平均值。
比較:像素值大于平均值記作1,相反記作0,總共64位。
生成hash:將上述步驟生成的1和0按順序組合起來既是圖片的指紋(hash)。順序不固定。但是比較時候必須是相同的順序。
對比指紋:將兩幅圖的指紋對比,計算漢明距離,即兩個64位的hash值有多少位是不一樣的,不相同位數越少,圖片越相似。
代碼實現:
#均值哈希算法 def aHash(img): #縮放為8*8 img=cv2.resize(img,(8,8),interpolation=cv2.INTER_CUBIC) #轉換為灰度圖 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #s為像素和初值為0,hash_str為hash值初值為'' s=0 hash_str='' #遍歷累加求像素和 for i in range(8): for j in range(8): s=s+gray[i,j] #求平均灰度 avg=s/64 #灰度大于平均值為1相反為0生成圖片的hash值 for i in range(8): for j in range(8): if gray[i,j]>avg: hash_str=hash_str+'1' else: hash_str=hash_str+'0' return hash_str
差值哈希算法
差值哈希算法前期和后期基本相同,只有中間比較hash有變化。
步驟
1. 縮放:圖片縮放為8*9,保留結構,出去細節(jié)。
2. 灰度化:轉換為256階灰度圖。
3. 求平均值:計算灰度圖所有像素的平均值。
4. 比較:像素值大于后一個像素值記作1,相反記作0。本行不與下一行對比,每行9個像素,八個差值,有8行,總共64位
5. 生成hash:將上述步驟生成的1和0按順序組合起來既是圖片的指紋(hash)。順序不固定。但是比較時候必須是相同的順序。
6. 對比指紋:將兩幅圖的指紋對比,計算漢明距離,即兩個64位的hash值有多少位是不一樣的,不相同位數越少,圖片越相似。
#差值感知算法 def dHash(img): #縮放8*8 img=cv2.resize(img,(9,8),interpolation=cv2.INTER_CUBIC) #轉換灰度圖 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) hash_str='' #每行前一個像素大于后一個像素為1,相反為0,生成哈希 for i in range(8): for j in range(8): if gray[i,j]>gray[i,j+1]: hash_str=hash_str+'1' else: hash_str=hash_str+'0' return hash_str
感知哈希算法
感知哈希算法可以參考
相似性︱python+opencv實現pHash算法+hamming距離(simhash)(三)
講的很詳細了。
Hash值對比
由于返回值為str字符串,所以直接遍歷字符串進行比對。
#Hash值對比 def cmpHash(hash2,hash3): n=0 #hash長度不同則返回-1代表傳參出錯 if len(hash2)!=len(hash3): return -1 #遍歷判斷 for i in range(len(hash2)): #不相等則n計數+1,n最終為相似度 if hash2[i]!=hash3[i]: n=n+1 return n
看完上述內容是否對您有幫助呢?如果還想對相關知識有進一步的了解或閱讀更多相關文章,請關注創(chuàng)新互聯成都網站設計公司行業(yè)資訊頻道,感謝您對創(chuàng)新互聯成都網站設計公司的支持。
另外有需要云服務器可以了解下創(chuàng)新互聯scvps.cn,海內外云服務器15元起步,三天無理由+7*72小時售后在線,公司持有idc許可證,提供“云服務器、裸金屬服務器、網站設計器、香港服務器、美國服務器、虛擬主機、免備案服務器”等云主機租用服務以及企業(yè)上云的綜合解決方案,具有“安全穩(wěn)定、簡單易用、服務可用性高、性價比高”等特點與優(yōu)勢,專為企業(yè)上云打造定制,能夠滿足用戶豐富、多元化的應用場景需求。
網頁題目:使用python怎么比較2張圖片的相似度-創(chuàng)新互聯
網頁網址:http://www.rwnh.cn/article8/dpeeop.html
成都網站建設公司_創(chuàng)新互聯,為您提供自適應網站、網站設計、服務器托管、網站建設、外貿建站、網站策劃
聲明:本網站發(fā)布的內容(圖片、視頻和文字)以用戶投稿、用戶轉載內容為主,如果涉及侵權請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網站立場,如需處理請聯系客服。電話:028-86922220;郵箱:631063699@qq.com。內容未經允許不得轉載,或轉載時需注明來源: 創(chuàng)新互聯