PHash算法即感知哈希算法/感知哈希算法,计算基于低频的均值哈希。对每张图像生成一个指纹字符串,通过对该字符串比较可以判断图像间的相似度。
<强> PHash算法原理
将图像转为灰度图,然后将图片大小调整为32 * 32像素并通过DCT变换,取左上角的8 * 8像素区域。然后计算这64个像素的灰度值的均值。将每个像素的灰度值与均值对比,大于均值记为1,小于均值记为0,得到64位的哈希值。
<强> PHash算法实现
将图片转为灰度值
将图片尺寸缩小为32 * 32
调整(src, src,大小(32岁,32);
<强> DCT变换
垫srcDCT;
dct (src, srcDCT);
计算DCT左上角8 * 8像素区域均值,求哈希值
双金额=0;
for (int i=0;我& lt;8;我+ +)
for (int j=0;j & lt;8;j + +)
和+=srcDCT.at (i, j);
双平均=总和/64;
垫phashcode=垫::0(尺寸(8、8),CV_8U);
for (int i=0;我& lt;8;我+ +)
for (int j=0;j & lt;8;j + +)
phashcode.at (i, j)=srcDCT.at (i, j)比;平均& # 63;1:0;
之前
<强>哈希值匹配
int d=0;
for (int n=0;n & lt;srchash.size [1];n + +)
如果(srchash.at (0, n) !=dsthash.at (0, n)) d + +;之前
即,计算两幅图哈希值之间的汉明距离,汉明距离越大,两图片越不相似。
<强> OpenCV实现
如图在下图中对比各个图像与图person.jpg的汉明距离,以此衡量两图之间的额相似度。
# include & lt; iostream>
# include & lt; stdio.h>
# include & lt; fstream>
# include & lt; io.h>
# include & lt; string>
# include & lt; opencv2 \ opencv.hpp>
# include & lt; opencv2 \ \ core.hpp>核心;
# include & lt; opencv2 \ \ mat.hpp>核心;
使用名称空间性病;
使用名称空间的简历;
int指纹(垫src,垫*散列);
int main ()
{
垫src=https://www.yisu.com/zixun/imread (“E: \ \ \ \形象形象\ \ \ \ person.jpg形象”,0);
如果(src.empty ())
{
cout & lt; & lt;“该图片不存在“& lt; & lt;endl;
返回1;
}
垫srchash dsthash;
指纹(src, srchash);
for (int i=1;我& lt;=8;我+ +)
{
字符串path0=" E: \ \图片\ \图片\ \ \ \人”形象;
字符串数量;
stringstream党卫军;
党卫军& lt; & lt;我;
党卫军在祝辞数量;
字符串路径=" E: \ \图片\ \图片\ \ \ \人”形象+数量+“jpg”;
垫dst=imread(路径,0);
如果(dst.empty ())
{
cout & lt; & lt;“该图片不存在“& lt; & lt;endl;
返回1;
}
指纹(dst, dsthash);
int d=0;
for (int n=0;n & lt;srchash.size [1];n + +)
如果(srchash.at (0, n) !=dsthash.at (0, n)) d + +;
cout & lt; & lt;“人”& lt; & lt;我& lt; & lt;“距离=" & lt; & lt; d<& lt;“\ n”;
}
系统(“暂停”);
返回0;
}
int指纹(垫src,垫*哈希)
{
调整(src, src,大小(32岁,32));
src。CV_32F convertTo (src);
垫srcDCT;
dct (src, srcDCT);
srcDCT=abs (srcDCT);
双金额=0;
for (int i=0;我& lt;8;我+ +)
for (int j=0;j & lt;8;j + +)
和+=srcDCT.at (i, j);
双平均=总和/64;
垫phashcode=垫::0(尺寸(8、8),CV_8U);
for (int i=0;我& lt;8;我+ +)
for (int j=0;j & lt;8;j + +)
phashcode.at (i, j)=srcDCT.at (i, j)比;平均& # 63;1:0;
*哈希=phashcode.reshape (0, 1) .clone ();
返回0;
}
输出汉明距离:
可以看出若将阈值设置为20则可将后三张其他图片筛选掉。
以上这篇opencv3/c++ PHash算法图像检索详解就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
