图像相似度中的Hash算法 |
您所在的位置：网站首页 › 差异的计算公式有哪些图片 › 图像相似度中的Hash算法 |
|
本博客中使用的代码见本文末尾 度量两张图片的相似度有许多算法，本文讲介绍工程领域中最常用的图片相似度算法之一——Hash算法。Hash算法准确的说有三种，分别为平均哈希算法(aHash)、感知哈希算法你(pHash)和差异哈哈希算法(dHash)。 三种Hash算法都是通过获取图片的hash值，再比较两张图片hash值的汉明距离(韩明距离的概念可见本公众号《》一文)来度量两张图片是否相似。两张图片越相似，那么两张图片的hash数的汉明距离越小。下面本文将分别介绍这三种Hash算法。 1 平均哈希算法（aHash） 1.1 算法步骤平均哈希算法是三种Hash算法中最简单的一种，它通过下面几个步骤来获得图片的Hash值，这几个步骤分别是(1) 缩放图片；（2）转灰度图; (3) 算像素均值；（4）根据相似均值计算指纹。具体算法如下所示: 表1 aHash得到图片Hash值地算法 步骤 具体内容 缩放图片 输入图片大小尺寸各异，为了统一图片的输入，统一将图片尺寸缩放为8*8，一共得到了64个像素点。 转灰度图 输入图片有些为单通道灰度图，有些RGB三通道彩色图，有些为RGBA四通道彩色图。也为了统一下一步输入标准，将非单通道图片都转为单通道灰度图。 其中RGB三通道转单通道算法有下面几种:1.浮点算法：Gray=R0.3+G0.59+B0.112.整数方法：Gray=(R30+G59+B11)/100 3.移位方法：Gray =(R76+G151+B*28)>>8; 4.平均值法：Gray=（R+G+B）/3; 5.仅取绿色：Gray=G； 算像素均值 通过上一步可得一个8x8的整数矩阵G，计算这个矩阵中所有元素的平均值，假设其值为a 据像素均值计算指纹 初始化输入图片的ahash = "" 从左到右一行一行地遍历矩阵G每一个像素如果第i行j列元素G(i,j) >= a，则ahash += "1"如果第i行j列元素G(i,j) = a，则phash += "1"如果第i行j列元素G(i,j) = a，则dhash += "1"如果第i行j列元素G(i,j) |
| CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |