采用感知哈希算法基于python-PIL的图像去重

所谓感知哈希算法 它不是很严格的哈希算法
而是相对的hash
本篇介绍的感知哈希算法为：dhash
dHash：差异值哈希，基于渐变的hash算法，精确度较高，且速度也比较快（本文没有转换，见代码注释）

前提用到了PIL库 事先准备好库（具体google）
以及汉明距离（传送门）

---

正文来了

先贴代码撒 ~_~

# -*- coding:utf-8 -*-"""用dhash判断是否相同照片基于渐变比较的hashhash可以省略(本文省略)By Guanpx"""from PIL import Imagefrom os import listdirdef picPostfix():  # 相册后缀的集合    postFix = set()    postFix.update(['bmp', 'jpg', 'png', 'tiff', 'gif', 'pcx', 'tga', 'exif',                    'fpx', 'svg', 'psd', 'cdr', 'pcd', 'dxf', 'ufo', 'eps', 'JPG', 'raw', 'jpeg'])    return postFixdef getDiff(width, high, image):  # 将要裁剪成w*h的image照片     diff = []    im = image.resize((width, high))    imgray = im.convert('L')  # 转换为灰度图片 便于处理    pixels = list(imgray.getdata())  # 得到像素数据 灰度0-255    for row in range(high): # 逐一与它左边的像素点进行比较        rowStart = row * width  # 起始位置行号        for index in range(width - 1):            leftIndex = rowStart + index              rightIndex = leftIndex + 1  # 左右位置号            diff.append(pixels[leftIndex] > pixels[rightIndex])    return diff  #  *得到差异值序列 这里可以转换为hash码*def getHamming(diff=[], diff2=[]):  # 暴力计算两点间汉明距离    hamming_distance = 0    for i in range(len(diff)):        if diff[i] != diff2[i]:            hamming_distance += 1    return hamming_distanceif __name__ == '__main__':    width = 32    high = 32  # 压缩后的大小    dirName = ""  # 相册路径    allDiff = []    postFix = picPostfix()  #  图片后缀的集合    dirList = listdir(dirName)    cnt = 0    for i in dirList:        cnt += 1        print cnt  # 可以不打印 表示处理的文件计数        if str(i).split('.')[-1] in postFix:  # 判断后缀是不是照片格式            im = Image.open(r'%s\%s' % (dirName, unicode(str(i), "utf-8")))            diff = getDiff(width, high, im)            allDiff.append((str(i), diff))    for i in range(len(allDiff)):        for j in range(i + 1, len(allDiff)):            if i != j:                ans = getHamming(allDiff[i][1], allDiff[j][1])                if ans <= 5:  # 判别的汉明距离，自己根据实际情况设置                    print allDiff[i][0], "and", allDiff[j][0], "maybe same photo..."

具体注释见上代码0.0
1.通过listdir列出目录内文件，通过后缀集合(postFix)进行图片格式检查
2.每个图片转换为灰度图片并压缩大小 便于处理
3.得到每个像素的value(0-255)
4.每一个像素点与它左边的像素点进行比较，得到0或者1
5.比较结果存入diff后放在allDiff中
6.暴力比较没两张图片的汉明距离
7.设定汉明距离的范围 得出重复图片

*flag：下次一定学会相似图片推荐
OH 又不务正业了*
GitHub