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#-*

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 -*-
import cv2
import numpy as np
 
#均值哈希算法
def aHash(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
 for i in range(8):
 for j in range(8):
 s=s+gray[i,j]
 #求平均灰度
 avg=s/64
 #灰度大于平均值为1相反为0生成图片的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):
 #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
 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值对比
def cmpHash(hash1,hash2):
 n=0
 #hash长度不同则返回-1代表传参出错
 if len(hash1)!=len(hash2):
 return -1
 #遍历判断
 for i in range(len(hash1)):
 #不相等则n计数+1，n最终为相似度
 if hash1[i]!=hash2[i]:
 n=n+1
 return n
 
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
def aHash(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
 for i in range(8):
 for j in range(8):
 s=s+gray[i,j]
 #求平均灰度
 avg=s/64
 #灰度大于平均值为1相反为0生成图片的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
def dHash(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
 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
def cmpHash(hash1,hash2):
 n=0
 #hash长度不同则返回-1代表传参出错
 if len(hash1)!=len(hash2):
 return -1
 #遍历判断
 for i in range(len(hash1)):
 #不相等则n计数+1，n最终为相似度
 if hash1[i]!=hash2[i]:
 n=n+1
 return n

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脚本之家。

python识别相似图片 python图片对比