相似圖片檢測？三行程式碼就夠了

Lumin發表於2018-03-14
行程

背景

檢查兩個圖片的相似度，一個簡單而快速的演算法：感知雜湊演算法(Perceptual Hash)，通過某種提取特徵的方式為每個圖片計算一個指紋（雜湊），這樣對比兩個圖片相似與否就變成了對比兩個指紋異同的問題。

實現

Step1.縮小尺寸

將圖片縮小到8*8的大小，這樣做可以去除圖片的細節，只保留結構和明暗等基本資訊，同時摒棄不同尺寸和比例帶來的圖片差異。

Step2.灰度處理

把縮小後的圖片轉化為64級灰度圖（每個畫素只有64種顏色）。

Step3.計算平均值

計算所有64個畫素的灰度平均值。

Step4.計算雜湊

這裡雜湊的計算方法是：上面說的64個畫素的灰度與平均值進行比較，大於或等於平均值記為1，小於記為0。

將每個畫素的比較結果組合在一起成為一個64位的二進位制整數，這個整數就是此圖片的指紋。

Step5.對比雜湊

不同圖片對比的方法，就是對比它們的64位雜湊中，有多少位不一樣（漢明距離）。一般來說如果不同的位數不超過5，就說明兩張圖片很相似，如果大於10，就很可能是兩張不同的圖片。

程式碼（Python）

計算pHash（只需要三行）:

def phash(img):
    img = img.resize((8, 8), Image.ANTIALIAS).convert('L')
    avg = reduce(lambda x, y: x + y, img.getdata()) / 64.
    return reduce(
        lambda x, (y, z): x | (z << y),
        enumerate(map(lambda i: 0 if i < avg else 1, img.getdata())),
        0
    )
複製程式碼

計算漢明距離:

def hamming_distance(a, b):
    return bin(a^b).count('1')
複製程式碼

計算兩個圖片是否相似:

def is_imgs_similar(img1,img2):
	return True if hamming_distance(phash(img1),phash(img2)) <= 5 else False
複製程式碼

其中計算部分用到了lambda表示式和reduce，可參考此文：廖雪峰：map和reduce

相關文章