图片搜索之感知哈希算法
来源：互联网 发布：java 静态构造函数 编辑：程序博客网 时间：2024/05/21 19:42
TinEye是如何工作的呢？这里面也许有十分复杂的原理。不过从结果看来，它使用了一种叫做“感知哈希算法（以下简称PHA）”的东西。
PHA是一类比较哈希方法的统称。图片所包含的特征被用来生成一组指纹（不过它不是唯一的）,而这些指纹是可以进行比较的。
PHA与加密哈希方法（以下简称CHA)，如MD5、SHA1等，是不同的概念。CHA的哈希值是随机的。用来生成哈希的数据的行为就像随机种子，所以相同的数据产生相同的结果，反之亦然。读者可以如下做ruby测试：
require 'digest/sha2'
......
#生成加密后的散列值
def self.encrypt(string)
return Digest::SHA256.hexdigest(string)
end
我对这方面未做深层研究，如有错误，不吝赐教。此文的重点不是CHA，恕草草带过。
如果想要深入理解下文内容的话，不妨读读我在ftp里的fourier相关文档，会有所收获。当然，不读也不会造成大的影响。（ftp具体在文末有提及）
对于图片来说，高频得到细节，低频得到轮廓。所以小图缺少细节，是低频的。我先叙述一个阮一峰先生提及的最简单PHA，在此表示感谢。大家可一睹为快。
第一步，缩小尺寸。
最快速的去除高频和细节，只保留结构明暗的方法就是缩小尺寸。
将图片缩小到8x8的尺寸，总共64个像素。摒弃不同尺寸、比例带来的图片差异。
第二步，简化色彩。
将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。
第三步，计算平均值。
计算所有64个像素的灰度平均值。
第四步，比较像素的灰度。
算法的精髓，简单、有趣，又充满深意。
将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。
第五步，计算哈希值。
将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了（例如，自左到右、自顶向下、big-endian）。
= 8f373714acfcf4d0
得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算Hammingdistance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。
这个算法非常好，无论你改变图片的高宽、亮度甚至颜色，都不会改变哈希值。最关键的是速度极快！cool！
我在ftp里放了这个算法的python版本（使用了PIL库），如果读者会ruby的话，不妨使用RMagick库，同样强大（文档：http://www.imagemagick.org/RMagick/doc/项目：http://rubyforge.org/projects/rmagick/）
有没有更好的方法来判断相似度呢？有，pHash。这种方法稍复杂写，运用了DCT来降低频度，比起平均值方法更精确了。DCT参见http://en.wikipedia.org/wiki/Discrete_cosine_transform
下面来看它的过程。
第一步，缩小尺寸。
与平均值方法类似，不过要比8X8大些，32X32是个好尺寸，这样做是为了简化DCT的计算，而不是降频。
第二步，简化色彩。
改成灰度图，也是为了减少DCT计算量。
第三步，计算DCT。
DCT将图片分成了频度和纯量的集合。当JPEG使用8X8的DCT时，算法就使用32X32的DCT。
第四步，降低DCT。
当DCT是32X32时，只保留顶左的8X8，这部分代表了图片的最低频。这是神奇的一步。
第五步，计算平均值。
只用8X8的DCT低频值，因为DC系数和其他值相差很大，会破坏平均值。
第六步，进一步缩小DCT
将每个像素的灰度（64比特），与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。图片结构不变，结果就不会变。这完成了关键的一步。