python 比较2张图片的相似度的方法示例
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-*-
importcv2
importnumpyasnp
#均值哈希算法
defaHash(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
foriinrange(8):
forjinrange(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
foriinrange(8):
forjinrange(8):
ifgray[i,j]>avg:
hash_str=hash_str+'1'
else:
hash_str=hash_str+'0'
returnhash_str
#差值感知算法
defdHash(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
foriinrange(8):
forjinrange(8):
ifgray[i,j]>gray[i,j+1]:
hash_str=hash_str+'1'
else:
hash_str=hash_str+'0'
returnhash_str
#Hash值对比
defcmpHash(hash1,hash2):
n=0
#hash长度不同则返回-1代表传参出错
iflen(hash1)!=len(hash2):
return-1
#遍历判断
foriinrange(len(hash1)):
#不相等则n计数+1，n最终为相似度
ifhash1[i]!=hash2[i]:
n=n+1
returnn
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 defaHash(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 foriinrange(8): forjinrange(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 foriinrange(8): forjinrange(8): ifgray[i,j]>avg: hash_str=hash_str+'1' else: hash_str=hash_str+'0' returnhash_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 defdHash(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 foriinrange(8): forjinrange(8): ifgray[i,j]>gray[i,j+1]: hash_str=hash_str+'1' else: hash_str=hash_str+'0' returnhash_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 defcmpHash(hash1,hash2): n=0 #hash长度不同则返回-1代表传参出错 iflen(hash1)!=len(hash2): return-1 #遍历判断 foriinrange(len(hash1)): #不相等则n计数+1，n最终为相似度 ifhash1[i]!=hash2[i]: n=n+1 returnn
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毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。