方案二 phash

phash具体的实现可以很多地方都有了,可以搜到很多差不多的内容,在这我也就简单的记录下,具体可以去谷歌或者百度搜下。

  • 缩小尺寸 为了后边的步骤计算简单些

  • 简化色彩 将图片转化成灰度图像,进一步简化计算量

  • 计算DCT 计算图片的DCT变换,得到32*32的DCT系数矩阵。

  • 缩小DCT 虽然DCT的结果是32*32大小的矩阵,但我们只要保留左上角的8*8的矩阵,这部分呈现了图片中的最低频率。

  • 计算平均值 如同均值哈希一样,计算DCT的均值。

  • 计算hash值 根据8*8的DCT矩阵,设置0或1的64位的hash值,大于等于DCT均值的设为”1”,小于DCT均值的设为“0”。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。

找到的是一个纯c的,来自 phash.org (没错,就是这么官方)。安装啥的网站里边都有,附上一个python调用的脚本。

class pHash(object):

    def __init__(self):

        self._lib = ctypes.CDLL('/opt/local/lib/libpHash.dylib', use_errno=True)

    def dct_imagehash(self, path):

        phash = ctypes.c_uint64()

        if self._lib.ph_dct_imagehash(path, ctypes.pointer(phash)):

            errno_ = ctypes.get_errno()

            err, err_msg = (errno.errorcode[errno_], os.strerror(errno_)) \

                if errno_ else ('none', 'errno was set to 0')

            print(('Failed to get image hash'

                   ' ({!r}): [{}] {}').format(path, err, err_msg), file=sys.stderr)

            return None

        return phash.value

 

    def hamming_distance(self, hash1, hash2):

        return self._lib.ph_hamming_distance(

            *map(ctypes.c_uint64, [hash1, hash2]))

链接:https://www.jianshu.com/p/c87f6f69d51f

### Android 平台上 pHash 或 dhash 的实现与使用 #### 使用第三方库 ImageHash 实现 pHash 为了简化开发过程并提高代码可维护性,可以借助 `ImageHash` 库来计算图片的感知哈希值。通过引入该库,能够快速完成两张图片之间的相似度对比。 ```java // 导入必要的依赖项 import com.github.josephwenning.imagehash.ImageHash; public class ImageComparator { public void compareImages(Bitmap bitmap1, Bitmap bitmap2) { // 计算两个位图对象各自的哈希字符串表示形式 String hash1 = ImageHash.hash(bitmap1)[^1]; String hash2 = ImageHash.hash(bitmap2); // 对比两者的汉明距离以评估相似程度 int similarity = ImageHash.compare(hash1, hash2); System.out.println("Similarity score between images: " + similarity); } } ``` 需要注意的是,传统的 PHash 算法可能无法很好地处理经过旋转或其他几何变换后的图像匹配问题[^2]。因此,在实际应用中应当考虑这一点,并探索更鲁棒的技术方案。 #### 利用 OpenCV 执行自定义 pHash/dhash 处理逻辑 对于追求更高性能以及定制化需求的应用场景来说,则可以选择集成开源计算机视觉工具包——OpenCV 来构建专属的解决方案。这通常涉及到以下几个方面的工作: - **环境准备**:确保应用程序能够在启动阶段成功加载 OpenCV 动态链接库; ```java static{ if (!OpenCVLoader.initDebug()) { Log.e("Error", "Failed to initialize OpenCV"); } else { Log.d("Success", "Successfully initialized OpenCV"); } } ``` - **核心算法设计**:依据具体业务目标选取合适的特征提取方式(如离散余弦变换DCT),进而形成稳定的指纹向量; - **优化策略制定**:针对移动设备资源受限的特点采取有效的加速措施,例如降采样预处理、多线程并发运算等手段提升整体效率。 综上所述,无论是采用成熟的第三方组件还是自主研发底层技术栈,都可以有效地支持 Android 设备上的图像相似性检测功能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

TigerZ*

你点滴支持,我持续创作,羞羞

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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