圖片相似度計算

03-30

以下摘自百度百科：

DHA是一類比較哈希方法的統稱。圖片所包含的特徵被用來生成一組指紋（不過它不是唯一的）,而這些指紋是可以進行比較的。
下面是簡單的步驟，來說明對圖像進行DHA的運算過程[1] ：

第一步，縮小圖片。
最快速的去除高頻和細節，只保留結構明暗的方法就是縮小尺寸。
將圖片縮小到9x8的尺寸，總共72個像素。摒棄不同尺寸、比例帶來的圖片差異。
第二步，簡化色彩。

將縮小後的圖片，轉為64級灰度。也就是說，所有像素點總共只有64種顏色。
第三步，計算差異值。
對矩陣的每一行進行如下操作：相鄰的兩個元素進行相減（左邊元素減右邊元素），得出8個不同的差異值，這樣總共得到64個差異值。
第四步，對差異值進行處理，若為正數或0，則記得為1；若為負數，記為0。
第五步，將64個結果結合在一起就得到一個哈希值（每張圖像的64個值組合順序要一致），這就是圖像的「指紋」。

相比PHA,DHA的速度要快的多，相比AHA，DHA在效率幾乎相同的情況下的效果要更好，因為DHA是基於漸變實現的。

在國內找到的一篇文章感知哈希演算法之dHash的Python實現，通過Python列表的方式來實現的，效率較慢。後來在github上找到了通過numpy實現的輪子imagehash，這個輪子又是基於python-pillow/Pillow實現的，所以又去研究了pillow的源碼。最後結合國內文章、imagehash及pillow，做了一些改進和取捨，實現圖片相似度計算腳本如下：

# -*- coding: utf-8 -*-"""Created on Mon Mar 26 15:19:12 2018@author: Administrator"""import numpy as npfrom PIL import Imageimport repattern = re.compile(".(png|jpg|jpeg|bmp|gif$)")def is_image(filename): return filename.endswith((".png", ".jpg", ".jpeg", ".bmp", ".gif"))def d_hash(image, hash_size=8): if hash_size < 2: raise ValueError("Hash size must be greater than or equal to 2") pixels = np.asarray(image.resize((hash_size+1, hash_size)).convert("L")) # compute differences between columns diff = pixels[:, 1:] > pixels[:, :-1] return diff# 沒有endswith方法快def is_image_re(filename, pattern): return re.search(pattern, filename)# 沒有.convert("L")方法快def convert_L(mat): return mat[:,:,0] * 299 / 1000 + mat[:,:,1] * 587 / 1000 + mat[:,:,2] * 114 / 1000