使用python怎么比較2張圖片的相似度

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(gè)難題，下面小編將為大家詳細(xì)講解，有這方面需求的人可以來學(xué)習(xí)下，希望你能有所收獲。

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(zhuǎn)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(zhuǎn)換灰度圖
  gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  hash_str=''
  #每行前一個(gè)像素大于后一個(gè)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(cuò)
  if len(hash2)!=len(hash3):
    return -1
  #遍歷判斷
  for i in range(len(hash2)):
    #不相等則n計(jì)數(shù)+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(jié)構(gòu)，出去細(xì)節(jié)。
灰度化：轉(zhuǎn)換為256階灰度圖。
求平均值：計(jì)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(shí)候必須是相同的順序。
對比指紋：將兩幅圖的指紋對比，計(jì)算漢明距離，即兩個(gè)64位的hash值有多少位是不一樣的，不相同位數(shù)越少，圖片越相似。

代碼實(shí)現(xiàn)： 

#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(zhuǎn)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(jié)構(gòu)，出去細(xì)節(jié)。
2. 灰度化：轉(zhuǎn)換為256階灰度圖。
3. 求平均值：計(jì)算灰度圖所有像素的平均值。
4. 比較：像素值大于后一個(gè)像素值記作1，相反記作0。本行不與下一行對比，每行9個(gè)像素，八個(gè)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(shí)候必須是相同的順序。
6. 對比指紋：將兩幅圖的指紋對比，計(jì)算漢明距離，即兩個(gè)64位的hash值有多少位是不一樣的，不相同位數(shù)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(zhuǎn)換灰度圖
  gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
  hash_str=''
  #每行前一個(gè)像素大于后一個(gè)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(shí)現(xiàn)pHash算法+hamming距離（simhash）（三）
講的很詳細(xì)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(jìn)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(cuò)
  if len(hash2)!=len(hash3):
    return -1
  #遍歷判斷
  for i in range(len(hash2)):
    #不相等則n計(jì)數(shù)+1，n最終為相似度
    if hash2[i]!=hash3[i]:
      n=n+1
  return n

看完上述內(nèi)容是否對您有幫助呢？如果還想對相關(guān)知識(shí)有進(jìn)一步的了解或閱讀更多相關(guān)文章，請關(guān)注億速云行業(yè)資訊頻道，感謝您對億速云的支持。