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算法原理强>
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算法实现强>
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变换强>
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>哈希值匹配强>
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实现强>
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。
opencv3/c++ PHash算法图像检索详解