感知哈希算法实现以图搜图软件_感知哈希的典型应用-优快云博客

本文链接：https://blog.youkuaiyun.com/KayChanGEEK/article/details/79284169

前言

百度谷歌等搜索引擎有一个用图片来搜索图片的功能，如下图所示：

网上看到一篇介绍实现它的一种方法原理的文章，依据该原理方法自己动手写了一个类似功能的软件（软件含源码）。

开发环境

Windows10+VS2013+OpenCV300+Qt560

理论与代码实现

上面那篇文章实现意图搜图功能大概有以下几个步骤（注：以下理论引用自上面那篇文章，算法自己实现，只列出主要代码）：

第一步：缩小尺寸：

将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异，代码如下：

Mat PerceptualHashAlgorithm::reductionTo64Pixel(Mat image){

	cv::Mat image64Pix;
	cv::Size newsize = cv::Size(8, 8);
	if (image.channels() == 1)		image64Pix = cv::Mat(newsize, CV_8UC1);
	else if (image.channels() == 3)	image64Pix = cv::Mat(newsize, CV_8UC3);
	else if (image.channels() == 4)	image64Pix = cv::Mat(newsize, CV_8UC4);
	else							return image;
	cv::resize(image, image64Pix, newsize);

	return image64Pix; // 返回缩小到8*8的图像
}

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，代码如下：

Mat PerceptualHashAlgorithm::cvtTo64LevelGray(Mat image){

	Mat image64PixGray;
	cvtColor(image, image64PixGray, CV_BGR2GRAY);

	for (int i = 0; i < image64PixGray.rows; i++){

		unsigned char *p = image64PixGray.ptr<unsigned char>(i);
		for (int j = 0; j < image64PixGray.cols; j++){

			p[j] = p[j] / 256. * 64.;
		}
	}
	return image64PixGray; // 返回64级灰度
}

第三步，计算平均值：

计算所有64个像素的灰度平均值，代码如下：

int PerceptualHashAlgorithm::calc64LevelGrayAverage(Mat image){

	int sum = 0;
	for (int i = 0; i < image.rows; i++){

		unsigned char *p = image.ptr<unsigned char>(i);
		for (int j = 0; j < image.cols; j++){

			sum += p[j];
		}
	}
	return (sum / 64); // 返回平均值
}

第四步，比较像素的灰度：

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255；小于平均值，记为0，代码如下：

Mat PerceptualHashAlgorithm::calcHashMask(Mat image, int ave){

	hashValue = 0;
	for (int i = 0; i < image.rows; i++){

		unsigned char *p = image.ptr<unsigned char>(i);
		for (int j = 0; j < image.cols; j++){

			if (p[j] >= ave) p[j] = 255; // 大等于均值，标记255
			else p[j] = 0; // 小于均值，标记0

			hashValue |= ((p[j] == 0) ? (0) : (1)); // 计算哈希值
			hashValue = hashValue << 1;
		}
	}
	return image;
}

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。（注：上一步代码的hashValue就是哈希值）。

图片示意

以下用一张图片演示上面步骤的全过程：

上面全过程代码封装如下：

Mat PerceptualHashAlgorithm::calcFingerprint(Mat image){

	Mat image64Pix		= reductionTo64Pixel(image);
	Mat image64PixGray	= cvtTo64LevelGray(image64Pix);
	int ave				= calc64LevelGrayAverage(image64PixGray);
	Mat mask			= calcHashMask(image64PixGray, ave);
	return mask;
}

软件展示

软件这边下载（传送门），含源码。

初始界面，可以选择训练图片或者搜索图片（当然前提是数据库中已经训练了一些图片供搜索），如下图：