如何将扫描的图像缩小为一致的散列？

Posted 2023-04-18

【中文标题】如何将扫描的图像缩小为一致的散列？

【英文标题】：How do I reduce a scanned image to a consistent hash?

【发布时间】：2012-08-13 07:21:23

【问题描述】：

我希望能够扫描图像并将其缩减为一致的哈希值，然后我可以将其与新的扫描结果进行比较，以查看两个图像是否相同。

在这方面的任何帮助将不胜感激！

【问题讨论】：

您是要比较两个图像（= 模糊比较）还是两个文件（= 逐字节比较）？

@AlexeiLevenkov 我看不出它怎么可能是但模糊比较。我保证扫描两次的一页将导致在字节级别上非常不同的文件。

（或多或少）***.com/questions/11931960/…的重复

@DanielMann，我同意......但也许“新扫描”定义为“有人给我扫描 - 需要检查它是否完全重复（即重试发送）”可以回答在合理的时间在这里。否则 - 有趣的研究项目可能超出 SO 范围。

必须是哈希吗？在我看来，任何模糊的“散列”都必须保留像素值和相对位置，这使得这个“散列”听起来很像图像！

【参考方案1】：

以下方法可能比您实际需要的更强大。

在计算机视觉中，一个活跃的研究领域是识别。

例如，如果我要为我的房子制造一个清洁机器人，它应该能够识别我的狗（以免在它身上喷洒致命的化学物质）。这变得更加困难，因为机器人不一定每次都从相同的角度看狗（而且它可以移动）。即它应该从侧面、前面或后面认出它是我的狗。

为了训练这个机器人，我给它看了几张我的狗在不同光照条件下的照片，它应该能够在未来识别它。

使用不同的方法从图像中提取显着特征，这可以帮助您识别相同的特征，即使照片是在不同的光线或不同的角度拍摄的。

一些特征提取技术包括：

SIFT（尺度不变特征变换）

GIST（GIST 描述符）

HoG（方向梯度直方图）

Shape Context

Texton

Spin-Images

但是，许多现代系统不是手动提取特征，而是使用neural-network 机器学习方法，因此机器人/计算机可以学习识别物体，使用可能与人类学习相同的方式。

我从未做过图像识别，所以我不确定它们的优缺点，但我发现这个主题很吸引人，我希望计算机能够更好地识别事物（视觉、语音、手势等）。

【讨论】：

感谢您的帮助！不过，我真的在寻找一些代码，所以希望其他人能参与进来。