感知哈希算法——Python实现

最新推荐文章于 2025-06-30 12:31:57 发布
最新推荐文章于 2025-06-30 12:31:57 发布
阅读量6.2k 收藏 22
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 图像处理相关 文章标签： 感知哈希算法 python 匹配
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m_buddy/article/details/78887248
本文介绍了一种用于图像匹配的感知哈希算法。通过将图像缩放、转为灰度、比较像素灰度与平均值来生成64位指纹，以此判断图像相似性。在Python中实现后，结果显示在某些情况下匹配效果不尽如人意，可能是由于特征抽取的局限导致。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1. 前言

现在手中只有一张图像需要在一个集合中去找到与之最相近的那一张，这个过程实际是一个匹配的过程，特别是在多模态医学图像中解决这样的问题是比较迫切的，今年试验了一种广泛使用的算法——感知哈希算法！具体的实验结果将在下文中给出。

2. 算法原理

step1：缩小图片尺寸
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各种图片尺寸和图片比例的差异, 只保留结构、明暗等基本信息。
这里写图片描述
step2：转为灰度图片
将缩小后的图片, 转为64级灰度图片。
这里写图片描述
step3：计算灰度平均值
计算图片中所有像素的灰度平均值
step4：比较像素的灰度
将每个像素的灰度与平均值进行比较, 如果大于或等于平均值记为1, 小于平均值记为0。
step5：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位的二进制整数, 这就是这张图片的指纹。
step6：对比图片指纹
得到图片的指纹后, 就可以对比不同的图片的指纹, 计算出64位中有多少位是不一样的. 如果不相同的数据位数不超过5, 就说明两张图片很相似, 如果大于10, 说明它们是两张不同的图片。

3. Python实现

# -*- coding=utf-8 -*-
import numpy as np
from PIL import Image
import matp
最低0.47元/天 解锁文章

200万优质内容无限畅学
Python:实现感知哈希算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
01-31 299
Python:实现感知哈希算法(附完整源码)
Python实现图像哈希算法——感知哈希算法
pytorchCode的博客
08-10 969
Python实现图像哈希算法——感知哈希算法感知哈希算法（Perceptual Hash Algorithm）是一种可以对图像进行哈希操作的算法，简称为pHash。该算法通过将图片压缩、缩小再转化为灰度图，然后计算出每个像素点的灰度平均值，得到一个64位的哈希值，表示了该图片的特征信息。通过比较两幅图片的哈希值之间的汉明距离来确定图片的相似程度。下面我们就来实现这个算法，让它可以应用于实际的图片处理中。代码实现：首先，需要导入所需的库：cv2、numpy、hashlib等。import cv2。
感知哈希算法(Python版)
04-20
Python3实现基于PHA实现图像配准
Python实现感知哈希算法（pHash）
weixin_42872907的博客
08-31 4942
感知哈希算法步骤： 1、设置图片大小：一般是32 * 32，一个较好的大小，方便DCT计算； 2、转化为灰度图：把缩放后的图片转化为256阶的灰度图； 3、计算DCT: DCT把图片分离成分率的集合； 4、DCT计算后的矩阵是32 * 32，保留左上角的8 * 8，这些代表的图片的最低频率； 5、计算平均值：计算缩小DCT后的所有像素点的平均值； 6、计算图片哈希值，大于平均值记录为1，反之记录为0，得到信息指纹，组合64个信息位，顺序随意保持一致性； 7、最后比对两张图片的指纹，对比汉明距离从而比较图片相
【Hash哈希计算】利用ImageHash计算图像相似度
最新发布
weixin_37763484的博客
06-30 751
利用ImageHash库实现hash计算
python 实现感知哈希算法
luthane的博客
08-07 587
感知哈希算法（Perceptual Hash Algorithm，简称PHA）是哈希算法的一类，主要用于相似图片的搜索工作。PHA通过提取图片中的特征来生成一组指纹（虽然不是唯一的），这些指纹可以进行比较。具体来说，算法会将比较结果组合成一个64位的整数，作为图片的指纹。指纹的生成次序并不重要，只要保证所有图片都采用同样的次序即可（例如，自左到右、自顶向下、big-endian）。在得到指纹后，可以对比不同的图片，看看64位中有多少位是不一样的。
python---感知哈希算法
你说是就是吧
11-13 2599
某些情况下，我们需要检测图片之间的相似性，比较简单、易用的解决方案是采用感知哈希算法 感知哈希算法是一类算法的总称，包括aHash、pHash、dHash。顾名思义，感知哈希不是以严格的方式计算Hash值，而是以更加相对的方式计算哈希值，因为“相似”与否，就是一种相对的判定。 aHash：平均值哈希。速度比较快，但是常常不太精确 pHash：感知哈希。精确度比较高，但是速度方面较差一些 dHas...
Python实现图像哈希算法——感知哈希
与其临渊羡鱼,不如退而结网
05-28 642
本篇文章介绍了Python实现图像哈希算法——感知哈希算法的方法，并提供了完整的源代码。然后再调用hamming_distance()函数，计算出这两张图片对应的哈希值之间的海明距离，输出结果即为这两张图片的相似度。哈希算法是现代计算机科学领域中最重要的算法之一，其应用广泛，比如在密码学中保护用户数据，快速找到相同文件，路由协议等。感知哈希算法的主要思想就是通过缩小图片尺寸、转化为灰度图、计算平均值、比较像素值与平均值大小，最后得到一串二进制Hash值表示图像的特征，从而实现图像比较与匹配。
感知哈希算法--python实现
insthink的博客
05-10 9063
最近在看运动目标跟踪方面的资料，偶然间看到zouxy09大神的一篇《基于感知哈希算法的视觉跟踪》，觉得挺有意思的。于是去查了相关的感知哈希的资料，发现在图片搜索领域里面应用非常广泛，这种技术我觉得有点像模板匹配，其核心在于：通过指纹的相似度来搜索最相似的图片。 至于为什么可以实现跟踪，因为
用python实现通过哈希算法检测图片重复_图像检索系列——利用 Python 检测图像相似度...
weixin_31140599的博客
01-24 1236
本文的代码可在微信公众号「01二进制」后台回复「检测图像相似度」获得。前言最近在做一个海量图片检索的项目，可以简单的理解为“以图搜图”，这个功能一开始是搜索引擎带火的，但是后来在电商领域变得非常实用。在制作这个图片检索的项目前，笔者搜索了一些资料，如今项目临近结尾，便在这里做一些简单的分享。本文先介绍图像检索最基础的一部分知识——利用 Python 检测图像相似度。提到检测“某某”的相似...
Python实现感知哈希算法
TechPr的博客
09-08 272
值得注意的是，感知哈希算法对于一些简单的变换（如平移、缩放、旋转）具有一定的鲁棒性，但对于一些复杂的变换（如仿射变换、透视变换）可能会失效。感知哈希算法（Perceptual Hashing Algorithm）是一种用于图像相似度比较的算法，它能够将图像转换为一个固定长度的哈希值，使得相似的图像具有相似的哈希值。比较像素灰度值：遍历灰度图像的每个像素，将像素的灰度值与图像的平均值进行比较。感知哈希算法的基本原理是通过降低图像的细节和颜色信息，提取出图像的主要特征，并将这些特征转换为一个固定长度的哈希值。
Python-imagehash使用Python编写感知图像哈希模块
08-10
imagehash：使用Python编写感知图像哈希模块。可用于查找相似的图片。
python 相似图片 dhash_相似图片检测：感知哈希算法之dHash的Python实现
weixin_39700397的博客
12-15 208
某些情况下，我们需要检测图片之间的相似性，进行我们需要的处理：删除同一张图片、标记盗版等。如何判断是同一张图片呢？最简单的方法是使用加密哈希(例如MD5, SHA-1)判断。但是局限性非常大。例如一个txt文档，其MD5值是根据这个txt的二进制数据计算的，如果是这个txt文档的完全复制版，那他们的MD5值是完全相同的。但是，一旦改变副本的内容，哪怕只是副本的缩进格式，其MD5也会天差地别。因此加...
哈希算法python_感知哈希算法——Python实现【转】
weixin_39765588的博客
12-08 417
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.youkuaiyun.com/m_buddy/article/details/788872481. 前言现在手中只有一张图像需要在一个集合中去找到与之最相近的那一张，这个过程实际是一个匹配的过程，特别是在多模态医学图像中解决这样的问题是比较迫切的，今年试验了一种广泛使用的...
感知哈希算法（pHash算法+python代码实现）
ogzhen的博客
08-06 2921
感知哈希算法（pHash算法+python代码实现） pHash算法是计算图片相似度算法的一种，可以用在以图搜图上面，原理也很简单，下面简单罗列一下算法过程： 缩放图片尺寸：缩放到8*8的大小，这里是为了去除图片的细节，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； 简化色彩：将缩放后的图片转化为灰度图 计算平均值，计算64个像素点的平均值 比较灰度图的像素值：将64个像素点的值...
python：实现感知哈希算法(附完整源码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
12-28 291
python：实现感知哈希算法(附完整源码)
感知哈希算法 python 3.4
weixin_30824277的博客
07-29 180
#!/usr/bin/python # -*- coding: UTF-8 -*- #Less than 10 add to list and sort import glob import os import sys from functools import reduce from PIL import Image EXTS = 'jpg', '...
感知哈希算法——Python实现【转】
weixin_30919571的博客
09-05 180
转自：https://blog.youkuaiyun.com/m_buddy/article/details/78887248 版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。本文链接：https://blog.youkuaiyun.com/m_buddy/article/details/788872481. 前言现在手中只有一张图像需要在一个集合中去找...
相似图片检测：感知哈希算法之dHash的Python实现
热门推荐
常思考->有目标->重实践->善反思
10-09 1万+
某些情况下，我们需要检测图片之间的相似性，进行我们需要的处理：删除同一张图片、标记盗版等。 如何判断是同一张图片呢？最简单的方法是使用加密哈希（例如MD5, SHA-1）判断。但是局限性非常大。例如一个txt文档，其MD5值是根据这个txt的二进制数据计算的，如果是这个txt文档的完全复制版，那他们的MD5值是完全相同的。但是，一旦改变副本的内容，哪怕只是副本的缩进格式，其MD5也会天差地别。因
感知哈希算法图片去重
02-20
### 感知哈希算法实现图片去重 #### 计算感知哈希值 为了有效去除重复图像，可以利用感知哈希（Perceptual Hash, pHash）技术来计算每张图片的独特指纹。pHash 的核心在于即使面对经过轻微变换处理过的同一幅图也能保持较高的匹配率[^1]。 ```python import imagehash from PIL import Image def calculate_phash(image_path): img = Image.open(image_path) hash_value = str(imagehash.phash(img)) return hash_value ``` 此函数接收一张图片路径作为输入参数并返回其对应的十六进制字符串形式的感知哈希码。 #### 存储与检索哈希值 对于大规模数据集而言，在初次加载时即为所有待查证对象建立索引至关重要。这一步骤通常涉及遍历整个文件夹结构并将各文件转换成相应的哈希表示存入数据库中以便后续查询操作。 ```sql CREATE TABLE IF NOT EXISTS images ( id INTEGER PRIMARY KEY AUTOINCREMENT, filepath TEXT UNIQUE NOT NULL, phash VARCHAR(64) NOT NULL ); INSERT INTO images (filepath, phash) VALUES (?, ?); SELECT * FROM images WHERE phash = ? ``` 上述 SQL 语句展示了创建用于存储图像及其对应哈希值得表格以及插入新记录和查找特定哈希值的方式。 #### 执行相似度检测 当接收到新的上传请求时，先对该目标执行同样的哈希运算流程；之后再依据所得结果同现有库内条目逐一比对差异大小——一般情况下汉明距离越小则说明两张照片间存在更高概率属于同一个源实体。 ```python def hamming_distance(hash1, hash2): diff = int(hash1, 16) ^ int(hash2, 16) return bin(diff).count('1') threshold = 5 # 可根据实际情况调整阈值 if hamming_distance(new_image_hash, existing_image_hash) <= threshold: print("Duplicate found!") else: print("Unique image.") ``` 这里定义了一个简单的辅助方法 `hamming_distance` 来衡量两个二进制串之间不同的位数，并以此判断两者的接近程度。如果两者间的差距小于设定好的界限，则认为它们可能是相同的原始素材的不同版本。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值