本文介绍了python 比较2张图片的相似度的方法示例，分享给大家，具体如下：

#!/usr/bin/python

# -*- coding: UTF-8 -*-

import cv2

import numpy as np

#均值哈希算法

def aHash(img):

#缩放为8*8

img=cv2.resize(img,(8,8),interpolation=cv2.INTER_CUBIC)

#转换为灰度图

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#s为像素和初值为0，hash_str为hash值初值为''

s=0

hash_str=''

#遍历累加求像素和

for i in range(8):

for j in range(8):

s=s+gray[i,j]

#求平均灰度

avg=s/64

#灰度大于平均值为1相反为0生成图片的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):

#缩放8*8

img=cv2.resize(img,(9,8),interpolation=cv2.INTER_CUBIC)

#转换灰度图

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

hash_str=''

#每行前一个像素大于后一个像素为1，相反为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值对比

def cmpHash(hash1,hash2):

n=0

#hash长度不同则返回-1代表传参出错

if len(hash1)!=len(hash2):

return -1

#遍历判断

for i in range(len(hash1)):

#不相等则n计数+1，n最终为相似度

if hash1[i]!=hash2[i]:

n=n+1

return n

img1=cv2.imread('A.png')

img2=cv2.imread('B.png')

hash1= aHash(img1)

hash2= aHash(img2)

print(hash1)

print(hash2)

n=cmpHash(hash1,hash2)

print '均值哈希算法相似度：'+ str(n)

hash1= dHash(img1)

hash2= dHash(img2)

print(hash1)

print(hash2)

n=cmpHash(hash1,hash2)

print '差值哈希算法相似度：'+ str(n)

讲解

相似图像搜索的哈希算法有三种：

均值哈希算法

差值哈希算法

感知哈希算法

均值哈希算法

步骤

缩放：图片缩放为8*8，保留结构，出去细节。

灰度化：转换为256阶灰度图。

求平均值：计算灰度图所有像素的平均值。

比较：像素值大于平均值记作1，相反记作0，总共64位。

生成hash：将上述步骤生成的1和0按顺序组合起来既是图片的指纹(hash)。顺序不固定。但是比较时候必须是相同的顺序。

对比指纹：将两幅图的指纹对比，计算汉明距离，即两个64位的hash值有多少位是不一样的，不相同位数越少，图片越相似。

代码实现：

#均值哈希算法

def aHash(img):

#缩放为8*8

img=cv2.resize(img,(8,8),interpolation=cv2.INTER_CUBIC)

#转换为灰度图

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#s为像素和初值为0，hash_str为hash值初值为''

s=0

hash_str=''

#遍历累加求像素和

for i in range(8):

for j in range(8):

s=s+gray[i,j]

#求平均灰度

avg=s/64

#灰度大于平均值为1相反为0生成图片的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，只有中间比较hash有变化。

步骤

1. 缩放：图片缩放为8*9，保留结构，出去细节。

2. 灰度化：转换为256阶灰度图。

3. 求平均值：计算灰度图所有像素的平均值。

4. 比较：像素值大于后一个像素值记作1，相反记作0。本行不与下一行对比，每行9个像素，八个差值，有8行，总共64位

5. 生成hash：将上述步骤生成的1和0按顺序组合起来既是图片的指纹(hash)。顺序不固定。但是比较时候必须是相同的顺序。

6. 对比指纹：将两幅图的指纹对比，计算汉明距离，即两个64位的hash值有多少位是不一样的，不相同位数越少，图片越相似。

#差值感知算法

def dHash(img):

#缩放8*8

img=cv2.resize(img,(9,8),interpolation=cv2.INTER_CUBIC)

#转换灰度图

gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

hash_str=''

#每行前一个像素大于后一个像素为1，相反为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

感知哈希算法可以参考

相似性︱python+opencv实现pHash算法+hamming距离(simhash)(三)

讲的很详细了。

Hash值对比

由于返回值为str字符串，所以直接遍历字符串进行比对。

#Hash值对比

def cmpHash(hash1,hash2):

n=0

#hash长度不同则返回-1代表传参出错

if len(hash1)!=len(hash2):

return -1

#遍历判断

for i in range(len(hash1)):

#不相等则n计数+1，n最终为相似度

if hash1[i]!=hash2[i]:

n=n+1

return n

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。

本文标题: python 比较2张图片的相似度的方法示例

本文地址: http://www.cppcns.com/jiaoben/python/293596.html