(转载) 2张图片相似度对比 4种算法 非CNN

懒虫Obj

demo中的2张图片                            

转载至:https://github.com/SkyeBeFreeman/identify-similar-images

最近学习卷积神经网络的时候无意发现的看着不错就分享出来了，如有侵犯请留言 我立即删除!  

                            [README.md]

计算公式：

其中，G和S为两张图片的图像颜色分布直方图，N为颜色空间样点数。

这里使用分块的方法计算相似度，用以提高各部分的特征，防止图片颜色相似导致计算的相似度高。

• 利用平均哈希算法计算图片相似度
  
  

计算步骤：

• 缩放图片：一般大小为8*8，64个像素值
• 简化色彩，转化为灰度图：可以使用Image的convert('L')方法
• 计算平均值：计算出灰度图所有像素点的像素值的平均值
• 比较像素灰度值：遍历灰度图的每一个像素值与上一步计算的平均值，大于平均值记录为1，否则为0
• 得到64位图像指纹
• 记录两张图片的图像指纹的汉明距离，计算图片相似度
  
  

• 利用感知哈希算法计算图片相似度
  
  

计算步骤：

• 缩放图片：一般大小为32*32，这样方便DCT计算
• 简化色彩，转化为灰度图：可以使用Image的convert('L')方法
• 计算DCT（[color=var(--color-accent-fg)]离散余弦变换）:

  获得图像的二维数据矩阵f(x,y)

  求离散余弦变换的系数矩阵[A]

  求系数矩阵对应的转置矩阵[A]T

  根据公式[F(u,v)]=[A][f(x,y)][A]T 计算离散余弦变换

• 缩小DCT：DCT计算后的矩阵是32*32，保留左上角的8*8，这些代表的图片的最低频率
• 计算平均值：计算缩小DCT后的所有像素点的平均
• 进一步减小DCT：大于平均值记录为1，否则为0
• 得到64位信息指纹
• 记录两张图片的图像指纹的汉明距离，计算图片相似度
  
  

• 利用差异哈希算法计算图片相似度
  
  

计算步骤：

• 缩放图片：一般大小为9*8，以留下多一行的像素数据进行差异计算
• 简化色彩，转化为灰度图：可以使用Image的convert('L')方法
• 计算差异值：dHash算法工作在相邻像素之间，这样每行9个像素之间产生了8个不同的差异，一共8行，则产生了64个差异哈希值
• 得到64位信息指纹：如果左边的像素比右边的更亮，则记录为1，否则为0
• 记录两张图片的图像指纹的汉明距离，计算图片相似度
  
  

Use the related libraries:

PIL

matplotlib

搜索

复制

懒虫Obj

好像发错版块了