python︱imagehash中的四种图像哈希方式(phash/ahash/dhash/小波hash)
来源:互联网 发布:深圳阿里云大厦物业 编辑:程序博客网 时间:2024/05/19 13:15
code来源:https://github.com/JohannesBuchner/imagehash
外文原文:https://fullstackml.com/wavelet-image-hash-in-python-3504fdd282b5
可以直接pip:
pip install imagehash
1 perception hashing
感知哈希,不同于aHash,但首先它确实是离散余弦变换和频域。
主函数:def phash(image, hash_size=8, highfreq_factor=4):
- 两个参数,一起决定了图片resize的大小,最适合的才最好,按照公式:
img_size = hash_size * highfreq_factor - hash_size代表最终返回hash数值长度
- highfreq_factor,代表resize的尺度
案例:
highfreq_factor = 1hash_size = 8img_size = hash_size * highfreq_factorhash1 = imagehash.phash(Image.open('1_1.jpg'),hash_size=hash_size,highfreq_factor=highfreq_factor)print(hash1)# > 354adab5054af0b7hash2 = imagehash.phash(Image.open('5_1.jpg'),hash_size=hash_size,highfreq_factor=highfreq_factor)print(hash2)# > 5b7724c8bb3645511 - (hash1 - hash2)/len(hash1.hash)**2 # 相似性
2 average hashing
平均散列,对于每个像素输出1,如果该像素是大于或等于平均值,否则为0。
主函数:
average_hash(image, hash_size=8)
案例:
hash_size = 6hash1 = imagehash.average_hash(Image.open('1_1.jpg'),hash_size=hash_size)print(hash1)# > 354adab5054af0b7hash2 = imagehash.average_hash(Image.open('5_1.jpg'),hash_size=hash_size)print(hash2)# > 5b7724c8bb3645511 - (hash1 - hash2)/len(hash1.hash)**2 # 相似性
3 difference hashing
梯度散列,计算每个像素的差值,并与平均差异的差异进行比较。
def dhash(image, hash_size=8)
案例:
hash_size = 10hash1 = imagehash.dhash(Image.open('5_1.jpg'),hash_size=hash_size)print(hash1)# > 354adab5054af0b7hash2 = imagehash.dhash(Image.open('1_1.jpg'),hash_size=hash_size)print(hash2)# > 5b7724c8bb3645511 - (hash1 - hash2)/len(hash1.hash)**2 # 相似性
4 wavelet hashing
离散小波变换(DWT)是频表示的另一种形式。流行的DCT和傅立叶变换使用余弦函数作为sin\cos的基础:sin(x),sin(2x),sin(3x)等等。与此相反,DWT使用一个单一的功能作为基础,但在不同的形式:缩放和移动。基础功能是可以改变的,这就是为什么我们可以有Haar小波,Daubechie-4小波等,这尺度效应给我们很大“时频表示”的时候,低频部分类似于原始信号。
小波散列,几天前我把它添加到库里。它的工作原理在频域中作为pHash但它使用DWT代替DCT变换。
主函数:
def whash(image, hash_size = 8, image_scale = None, mode = 'haar', remove_max_haar_ll = True)
参数:
- mode:
‘haar’ - Haar wavelets, by default
‘db4’ - Daubechies wavelets - remove_max_haar_ll:是否去掉低频段位,low level (LL) frequency
- image_scale:图像重新resize成多大,一定是2的倍数
案例:
hash_size = 8mode = 'db4'image_scale = 64hash1 = imagehash.whash(Image.open('1_1.jpg'),image_scale=image_scale,hash_size=hash_size,mode = mode)print(hash1)# > 354adab5054af0b7hash2 = imagehash.whash(Image.open('5_1.jpg'),image_scale=image_scale,hash_size=hash_size,mode = mode)print(hash2)# > 5b7724c8bb3645511 - (hash1 - hash2)/len(hash1.hash)**2 # 相似性
阅读全文
1 0
- python︱imagehash中的四种图像哈希方式(phash/ahash/dhash/小波hash)
- 感知哈希(pHash)和梯度哈希(dHash)的Python+OpenCV+SciPy实现
- 图像匹配之感知哈希(pHash)算法的OpenCV实现
- 感知哈希算法(pHash算法)
- 相似图片检测:感知哈希算法之dHash的Python实现
- 相似图片查找感知哈希算法(phash)实现
- Java进阶(五十七)-基于感知哈希算法的pHash图像配准算法
- 基于感知哈希算法的pHash图像配准算法
- 相似性︱python+opencv实现pHash算法+hamming距离(simhash)(三)
- 感知哈希算法介绍(pHash)
- 图像分割(四)——聚类分析/小波变换
- python 中的hash
- 计算机中的四种基本图像
- itk中的图像分割算法(四)
- 加密解密(四)--Java中的Hash算法
- Redis中的哈希(Hash)
- [Python]入门教程(四):Python中的函数
- [Python]入门教程(四):Python中的模块
- 【097】Nginx实现一台服务器,两个域名发布不同的前端项目,并且两个域名都用80端口。
- 数据结构上机——哈夫曼树 线索二叉树
- 【第三方类库】Java Guava , Google Guava
- C#个人重构之充值
- C# 静态构造函数
- python︱imagehash中的四种图像哈希方式(phash/ahash/dhash/小波hash)
- 【云计算的1024种玩法】手把手教你如何编译升级 OpenResty
- java文件读写操作大全
- maven常用的命令
- android圆形图片工具类
- 映像租赁系统---SQL语言
- c函数指针详解
- unity 物体颜色从一端逐渐变到另一端
- 数组和字符串方法中返回问题