感知哈希算法

Posted 2021-04-30 RaoRao1994

    感知哈希算法（以下简称PHA）是哈希算法的一类，主要用来做相似图片的搜索工作。图片所包含的特征被用来生成一组指纹（不过它不是唯一的）,而这些指纹是可以进行比较的。

【原理】

下面是简单的步骤，来说明对图像进行PHA的运算过程  ：

第一步，缩小尺寸。

    最快速的去除高频和细节，只保留结构明暗的方法就是缩小尺寸。将图片缩小到8x8的尺寸，总共64个像素。摒弃不同尺寸、比例带来的图片差异。

第二步，简化色彩。

    将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。

第三步，计算DCT（离散余弦变换）。

    DCT是把图片分解频率聚集和梯状形，虽然JPEG使用8*8的DCT变换，在这里使用32*32的DCT变换。

第四步，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。

第五步，计算平均值。

    计算所有64个值的平均值。

第六步，进一步减小DCT。

    这是最主要的一步，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”。结果并不能告诉我们真实性的低频率，只能粗略地告诉我们相对于平均值频率的相对比例。只要图片的整体结构保持不变，hash结果值就不变。能够避免伽马校正或颜色直方图被调整带来的影响。

第七步，计算哈希值。

    将64bit设置成64位的长整型，组合的次序并不重要，只要保证所有图片都采用同样次序就行了。将上一步的比较结果，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。组合的次序并不重要，只要保证所有图片都采用同样次序就行了（例如，自左到右、自顶向下、big-endian）。

    得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算“汉明距离”（Hammingdistance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。

【c++代码实现】

#include "stdafx.h"

#include <opencv2/opencv.hpp>

#include <iostream>

using namespace std;

using namespace cv;

//根据图片生成64位hash码

int CalcImagePerceptualHashKey(InputArray input)

{

Mat _input = input.getMat();

Mat pTheImage88=Mat::zeros(Size(8, 8), _input.channels());

Mat pGrayscaleImage = Mat::zeros(Size(8, 8), 1);

//将原图处理成8*8的图片

resize(_input, pTheImage88, Size(8, 8));

//cvtColor(pTheImage8x8, pGrayscaleImage);

cvtColor(pTheImage88, pGrayscaleImage, COLOR_RGB2GRAY);

pTheImage88.release();

//计算平均值

float ElementMean = 0;

for (size_t y = 0; y < 8; y++)

{

for (size_t x = 0; x < 8; x++)

{

unsigned char elemet = pGrayscaleImage.at<unsigned char>(x, y);

ElementMean += elemet;

}

}

ElementMean= ElementMean / 64;

//得到hash值

int64 HashKey = 0;

for (size_t y = 0; y < 8; y++)

{

for (size_t x = 0; x < 8; x++)

{

unsigned char elemet = pGrayscaleImage.at<unsigned char>(x, y);

if (elemet > ElementMean)

{

//向左移一位

HashKey <<= 1; 

}

else 

{

//向左移一位

HashKey <<= 1;

//最后一位复制为1

HashKey |= 1;//相当于HashKey =HashKey | 1

}

}

}

return HashKey;

}

//指纹hash码比对

float CompareImageSimilarity(int64 key1, int64 key2)

{

//两组hash码对比

int64 result = key1^key2;

int count = 0;

int i = 64;

while (i--)

{

//判断最后一位是否为1，即是否相同

if ((result & 1) == 1)

count++;

//右移一位，进入下一位

result >>= 1;

}

return count == 0 ? 1 : (64 - count) / (float)64;

}

int main()

{

Mat img1 = imread("1.jpg");

Mat img2 = imread("2.jpg");

int64 key1 = CalcImagePerceptualHashKey(img1);

int64 key2 = CalcImagePerceptualHashKey(img2);

float lv = CompareImageSimilarity(key1, key2);

cout << "匹配度：" << lv << endl;

waitKey(2000);

system("pause");

    return 0;

}