Python进阶(四十四)-Python3实现基于PHA实现图像配准

分享一下我的偶像大神的人工智能教程！http://blog.youkuaiyun.com/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

Python进阶(四十四)-Python3实现基于PHA实现图像配准

前言

  在博文《Java进阶(五十七)-基于感知哈希算法的图像配准》中使用Java语言实现了基于“感知哈希算法”的改进版pHash算法图像匹配。相比于Java语言，Python表现出其简洁性与高效性。在Python实现中同样是先将图片转化成Hash字符串，然后再进行比较。具体代码如下：

代码

#!/usr/bin/python

import glob
import os
import sys

from PIL import Image
from functools import reduce

# EXTS = 'jpg', 'jpeg', 'JPG', 'JPEG', 'gif', 'GIF', 'png', 'PNG'
#注意：在进行图像格式查找时'JPG'与'jpg'查找到的结果相同，故只使用其中一种格
#式
EXTS = 'jpg', 'jpeg', 'gif', 'png'

def avhash(im):
    if not isinstance(im, Image.Image):
        im = Image.open(im)
    im = im.resize((8, 8), Image.ANTIALIAS).convert('L')
    # print("im.getdata:" + str(im.getdata))
    avg = reduce(lambda x, y: x + y, im.getdata()) / 64.
    return reduce(lambda x, y_z : x | y_z[1] << y_z[0], enumerate(map(lambda i: 0 if i < avg else 1, im.getdata())), 0)

def hamming(h1, h2):
    h, d = 0, h1 ^ h2
    while d:
        h += 1
        d &= d - 1
    return h

#第一个参数是基准图片，第二个参数是用来比较的其他图片所在的目录，返回结果是两张图片之间不相同的数据位数量（汉明距离）。
if __name__ == '__main__':
    print("图片配准格式：'jpg', 'jpeg', 'JPG', 'JPEG', 'gif', 'GIF', 'png', 'PNG'")
    file_object = open('C:/Users/SHQ/Desktop/CheckResult.txt', 'w')
    # im = input("请输入基准图片IMG_1： ")
    # wd = input("请输入配准图片文件夹目录： ")
    # if im is None or len(im) == 0:
    #     print("基准图片为空")
    # if wd is None or len(wd) == 0:
    #     print("配准图片为空")
    if len(sys.argv) <= 1 or len(sys.argv) > 3:
        print ("Usage: %s image.jpg [dir]" % sys.argv[0])
    else:
        im, wd = sys.argv[1], '.' if len(sys.argv) < 3 else sys.argv[2]
        h = avhash(im)
        #改变当前工作目录到指定的路径
        os.chdir(wd)
        images = []
        for ext in EXTS:
            print("ext:" + str(ext))
            print("glob.glob('*.%s' % ext):" + str(glob.glob('*.%s' % ext)))
            images.extend(glob.glob('*.%s' % ext))

        seq = []
        print(len(images))
        print("images:" + str(images))
        prog = int(len(images) > 50 and sys.stdout.isatty())
        for f in images:
            seq.append((f, hamming(avhash(f), h)))
            # print(prog)
            #若图片对比数量多于50，则以百分比形式显示对比进度
            if prog:
                perc = 100. * prog / len(images)
                x = int(2 * perc / 5)
                print ('\rCalculating... [' + '#' * x + ' ' * (40 - x) + ']',)
                print ('%.2f%%' % perc, '(%d/%d)' % (prog, len(images)))
                sys.stdout.flush()
                prog += 1

        if prog: print
        print("seq:" + str(seq))
        for f, ham in sorted(seq, key=lambda i: i[1]):
            print ("%d\t%s" % (ham, f))
            file_object.write("%d\t%s\n" % (ham, f))
    file_object.close()
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74

测试结果

  在编程实现过程中，遇到了“tuple parameter unpacking is not supported in python3”的问题，具体解决措施详见博文《Python进阶(四十一)-Python3解决“tuple parameter unpacking is not supported in python3”》。

附 电子书福利(免积分下载)

《Flask Web开发：基于Python的Web应用开发实战》

《Learning Python, 5th Edition》

给我偶像的人工智能教程打call！http://blog.youkuaiyun.com/jiangjunshow