均值哈希算法和感知哈希算法

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了均值哈希算法和感知哈希算法相关的知识,希望对你有一定的参考价值。

参考技术A 1.离散余弦变换

离散余弦变换由于为数据与余弦函数乘积累计,将无规律数列改为规则排列,如图像数据原数据为无规则二维矩阵,离散余弦变换后矩阵左上角包含图像数据的低频信息部分,右下角为高频信息部分,低频信息为图像主体框架,高频信息记录图像细节,去掉50%高频信息存储部分,图像信息量损失不超过5%(未验证此数据),常用于图像压缩(如jpeg图像)

2.汉明距离

两个字码中不同位值的数目叫汉明距离,即a^b后验证结果的非0个数即为汉明距离

3.均值哈希算法和感知哈希算法

均值哈希算法和感知哈希算法常用于相似图像识别,将基准图缩小为较小尺寸图片,均值哈希算法计算图像平均像素值(未验证添加权值,理论可使图像部分区域具有更大权重),然后将每个元素点与平均像素值比较,大于或等于均值,记为位1,小于均值记为位0,得到一串哈希值;感知哈希算法先进行离散余弦变换,取矩阵左上角区域数据(图像低频信息区域),计算均值并将每个数值与均值比较,得到一串哈希值。在原图片中取相同大小图片,计算出另一串哈希值,得到两串哈希值汉明距离,值越小两张图片相似度越高

Python3.8+Qt5.0感知哈希算法实现图像检索系统

点击查看:Python3.8+Qt5.0感知哈希算法实现图像检索系统

文件大小:13M

操作系统:Windows10旗舰版

开发工具:Python3.8、Qt5

开发语言:.py

简要概述:

基于感知哈希算法实现图像检索

使用 Python3 & Qt5 实现,其中 UI 部分使用 qt designer 实现

依赖有:imagehash, pyqt5, pillow

命令行输入:python index.py即可运行
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

以上是关于均值哈希算法和感知哈希算法的主要内容,如果未能解决你的问题,请参考以下文章

感知哈希算法

感知哈希算法浅析

以图搜图:Python实现dHash算法(转)

技术分享智能感知与计算研究中心NIPS 2017论文提出深度离散哈希算法,可用于图像检索

通过感知哈希算法跟踪视觉相似图像的恶意软件活动

Python3.8+Qt5.0感知哈希算法实现图像检索系统