使用Python，OpenCV进行图像哈希

1. 效果图
2. 原理
3. 源代码
参考

这篇博客将介绍图像哈希，感知哈希以及这些算法如何用于（快速）确定图像的视觉内容是否相同或相似。并实现了差异散列，一个常见的感知散列算法（1）非常快，而（2）非常准确。以此来判断图片是否发生变化。

1. 效果图

2. 原理

图像哈希或者感知哈希的步骤是：基于图像的内容，构建唯一标识输入图像的散列值。
通过利用图像散列算法，可以在恒定的时间内或最差，O（Log n）时间找到近似相同的图像。

为什么传统哈希不起作用

传统的md5、sha等密码散列算法的本质：更改文件中的单个位会导致不同的哈希。 实质上图像哈希希望只有单个像素变化的，认为图像没有变化，或者图像缩放也认为没有变化；
差异哈希（DHASH）的好处：
1）输入图像的宽高比更改（由于忽略了纵横比），图像哈希不会改变；
2）调整亮度或对比度（1）不会改变哈希值或（2）只会稍微改变它，确保散列将靠近；
3）差异散列非常快且准确；
通常使用汉明距离来比较哈希值。两个汉明距离很小的哈希意味着两个散列是相同的，并且两个图像也是相同的/感知相似的。

3. 源代码

# USAGE
# python hash.py --images images# 导入必要的包
from imutils import paths
import argparse
import time
import sys
import cv2# 设置图像散列为8，表示构建8*8=64位哈希值
def dhash(image, hashSize=8):# 缩放输入图像，增加一列以计算水平梯度差值resized = cv2.resize(image, (hashSize + 1, hashSize))# 计算相邻水平梯度列像素差值diff = resized[:, 1:] > resized[:, :-1]# 转换图像差异为hashreturn sum([2 ** i for (i, v) in enumerate(diff.flatten()) if v])# 构建命令行参数及解析
ap = argparse.ArgumentParser()
ap.add_argument("-i", "--images", required=True,help="dataset of images to search through (i.e., the haytack)")
args = vars(ap.parse_args())# 获取hastach、needle文件图片
print("[INFO] computing hashes for images...")
hashmapsPaths = list(paths.list_images(args["images"]))# 移除文件名中的\
if sys.platform != "win32":hashmapsPaths = [p.replace("\\", "") for p in hashmapsPaths]# 初始化存放图像名及其hash值的map，并计时
hashmaps = {}
start = time.time()# 遍历hashmaps路径
for p in hashmapsPaths:# 从磁盘加载图像image = cv2.imread(p)# 如果图像为None，则跳过if image is None:continue# 转换图像为灰度图，并计算图像hash值image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)imageHash = dhash(image)# 更新hashmaps字典l = hashmaps.get(imageHash, [])l.append(p)hashmaps[imageHash] = l# 展示hash耗时及hashmaps照片数，开始计算needles文件夹的图像hash值
print("[INFO] processed {} images in {:.2f} seconds".format(len(hashmaps), time.time() - start))
print("[INFO] computing hashes for needles...")for k,v in hashmaps.items():print("[INFO] {}: {}".format(k,v))

参考

https://www.pyimagesearch.com/2017/11/27/image-hashing-opencv-python/

使用Python，OpenCV进行图像哈希相关推荐

Python+OpenCV：图像修复（Image Inpainting）
Python+OpenCV:图像修复(Image Inpainting) 理论 Most of you will have some old degraded photos at your home ...
Python+OpenCV：图像二进制鲁棒独立基本特征(BRIEF, Binary Robust Independent Elementary Features)
Python+OpenCV:图像二进制鲁棒独立基本特征(BRIEF, Binary Robust Independent Elementary Features) 理论 We know SIFT us ...
Python+OpenCV：图像快速角点检测算法(FAST Algorithm for Corner Detection)
Python+OpenCV:图像快速角点检测算法(FAST Algorithm for Corner Detection) 理论 Feature Detection using FAST Select ...
Python+OpenCV：图像Shi-Tomasi角点检测器
Python+OpenCV:图像Shi-Tomasi角点检测器理论 The scoring function in Harris Corner Detector was given by: Inst ...
Python+OpenCV：图像Harris角点检测(Harris Corner Detection)
Python+OpenCV:图像Harris角点检测(Harris Corner Detection) 理论 corners are regions in the image with large v ...
Python+OpenCV：图像对比度受限自适应直方图均衡化(CLAHE, Contrast Limited Adaptive Histogram Equalization)
Python+OpenCV:图像对比度受限自适应直方图均衡化(CLAHE, Contrast Limited Adaptive Histogram Equalization) ############ ...
Python+OpenCV：图像轮廓
Python+OpenCV:图像轮廓轮廓是什么? 轮廓可以简单地解释为一条连接所有连续点(沿边界)的曲线,具有相同的颜色和强度. 轮廓线是形状分析.目标检测和识别的重要工具. 为了获得更好的精度,可 ...
Python+OpenCV：图像金字塔
Python+OpenCV:图像金字塔理论通常情况下,我们使用固定大小的图像.但在某些情况下,我们需要处理(相同的)不同分辨率的图像. 例如,当搜索图像中的某些东西时,比如脸,我们不确定该物体在图 ...
Python+OpenCV：图像梯度
Python+OpenCV:图像梯度(Image Gradients) 理论 OpenCV提供了三种类型的梯度滤波器或高通滤波器,Sobel, Scharr和Laplacian. 1. Sobel和S ...

使用Python，OpenCV进行图像哈希

使用Python，OpenCV进行图像哈希

1. 效果图

2. 原理

3. 源代码

参考

使用Python，OpenCV进行图像哈希相关推荐

最新文章

热门文章