图形相似度比较（图形检索）学习笔记——pHash算法（图像感知算法）

最新推荐文章于 2022-11-07 08:51:32 发布
最新推荐文章于 2022-11-07 08:51:32 发布
阅读量1.4w 收藏 73
点赞数 8
CC 4.0 BY-SA版权
分类专栏： python 算法赛题 文章标签： phash 图像比较 汉明距 编辑距 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_23937195/article/details/88688512
本文介绍了pHash算法用于图像相似度比较的原理和步骤，包括灰度化、尺寸压缩、离散余弦变换及汉明距计算。通过这种方式，可以快速实现尺度不变性的图像检索。虽然存在不能排除不需要比较部分、旋转不变性和颜色精确比较的缺点，但在简单图像比较和索引中表现出实用性。此外，文章讨论了不同插值方法对图像压缩效果的影响，并指出pHash适用于快速初步比较，而深度学习和特征描述方法更适合高精度需求。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

问题来源

        有一活动，临摹油画，然后拍照上传。判断与原画的相似度，相似度越高，分数就越高。

        作为技术男，看到这个，第一反应当然是思考怎么实现这一功能啦。由于玩过opencv，所以第一反应是利用opencv的sift获取特征点集合，然后比较特征点集合，但是如何比较特征点集合一致就成了问题，一致找不到比较好的方法，后来在网上查了一下，发现比较图案的方法还不少。

        了解一下，发现最简单易实现的就是pHash算法了，所以决定写一下，作为图像相似度比较的入门学习。

 

算法思路

基本思路就是灰度化->压缩至同一尺寸（32*32）->离散变换->计算相似hash（指纹）->计算汉明距，具体逻辑如下：

获取图形矩阵（每个rgb图片的像素由三个维度指明：横坐标、纵坐标、rgb值，因此该矩阵实际是三维矩阵）

压缩至统一尺寸（减少计算量、忽略尺度变换带来的影响，插值方法使用邻域再取样方法）

计算灰度均值

遍历矩阵，大于等于灰度均值为1，小于灰度均值为0

转为对应字符串，获得hash值

计算汉明距

 

问题与思考

问：为什么要转灰度图？

忽略轻微色差带来的影响，也便于计算指纹和降低计算量。

 

问：这里的图形矩阵是什么？

对于rgb图像，每个像素由三个维度指明：横坐标、纵坐标、色值（有三个元素，分别表示rgb值），因此矩阵实际是三维矩阵，如img[0][0][]=[0xFF, 0xFF, 0xFF]表示的就是第一行第一个像素的rgb值（这里是白色），当然你也可以把rgb值直接组合成一个3字节整型数，这样他就是一个二维矩阵了。同时，灰度矩阵则是一张图的每个像素点的灰度值，对应的是一个二

最低0.47元/天 解锁文章
图形相似度(c++)
Qkicwxpbsot的博客
07-12 365
题目描述 查看题目信息 给出两幅相同大小的黑白图像（用0-1矩阵）表示，求它们的相似度。 说明：若两幅图像在相同位置上的像素点颜色相同，则称它们在该位置具有相同的像素点。两幅图像的相似度定义为相同像素点数占总像素点数的百分比。 输入格式 第一行包含两个整数m和n（1≤m,n≤100），表示图像的行数和列数。 之后m行，每行n个整数0或1，表示第一幅黑白图像上各像素点的颜色。 之后m行，每行n个整数0或1，表示第二幅黑白图像上各像素点的颜色。 同一行相邻两个数之间用单个空格隔开。
图形相似度
ID88886677的博客
08-13 201
图形相似度@HOBO浩 描述 给出两幅相同大小的黑白图像（用只有0和1的矩阵，也叫0-1矩阵）表示，求它们的相似度。 说明：若两幅图像在相同位置上的像素点颜色相同，则称它们在该位置具有相同的像素点。两幅图像的相似度定义为相同像素点数占总像素点数的百分比。 输入 第一行包含两个整数m和n，表示图像的行数和列数，中间用单个空格隔开。1≤m≤100,1≤n≤100。 之后m行，每行n个整数0或1，表示第一幅黑白图像上各像素点的颜色。相邻两个...
哈希算法之pHash算法
wyyang2的博客
07-07 5252
1.pHash算法 pHash中文叫感知哈希算法，通过离散余弦变换(DCT)降低图片频率，相比aHash有更好鲁棒性。 基本原理： （1）缩小尺寸。将图片缩小为32*32大小。 （2）灰度化处理。 （3）计算DCT，并选取左上角8*8的矩阵。DCT是一种特殊的傅立叶变换，将图片从像素域变换为频率域，并且DCT矩阵从左上角到右下角代表越来越高频率的系数，但是除左上角外，其他地方的系数为0或接近0，因此只保留左上角的低频区域。 （4）计算DCT均值。 （5）哈希值计算。将每个DCT值，与平均值进行比较。大于或
图形相似度比较
08-13
NULL 博文链接：https://guoapeng.iteye.com/blog/2118962
【论文泛读15】深度学习的图形相似度
scu-liu的博客
02-23 2043
贴一下汇总贴：论文阅读记录 论文链接：《A Graph Similarity for Deep Learning》 一、摘要 图神经网络(GNNs)已经成功地从图中学习表示。许多流行的gnn遵循聚合-转换的模式:它们聚合邻居的属性，然后用一个可学习的函数转换聚合的结果。对这些gnn的分析解释了哪些非同图对具有不同的表示。然而，我们仍然缺乏对这些表述有多相似的理解。我们采用核距离，并提出transform-sum-cat作为聚合变换的替代方案，在邻域聚合中反映节点邻域之间的连续相似性。这个想法导致了一个简单而
opencv3/C++ PHash算法图像检索详解
08-25
PHash算法，即感知哈希算法（Perceptual Hash algorithm），是一种图像检索算法。该算法通过计算图像的哈希值来判断图像之间的相似度。下面是对PHash算法的详细解释。 PHash算法原理： 1. 将图像转换为灰度图，...
Unity C#使用pHash算法实现图片相似度计算，判断俩张图片是否相似PicSimilar.zip
06-02
pHash（Perceptual Hashing，感知哈希）是一种常见的算法，它能够将图像转化为一个紧凑的哈希值，用于比较两幅图像的相似度。本项目就是基于pHash算法来判断两张图片是否具有较高的相似度。 首先，我们需要理解...
OpenCvSharp 图像拼接 OpenCV感知哈希算法进行图片相似度对比
08-07
在本文中，我们将深入探讨如何使用OpenCvSharp库，结合感知哈希算法与图像拼接技术，来实现图片的相似度对比与全景图像生成。首先，我们需要了解OpenCV和OpenCvSharp这两个核心工具。 **OpenCV** 是一个开源的...
基于php实现的图片phash类(离散余弦算法)
10-10
参考luoweifu《看起来像它——图像搜索其实也不难》介绍的方法，实现的php类，和直接调用生成图片phash.java实现请参考：http://blog.csdn.net/luoweifu/article/details/8220992
图像相似性搜索思路
数据挖掘爱好者
06-26 1728
为什么做图像相似性搜索？通过图像找相似性比较容易。应用场景：通过图片找相似作品。比如足迹可以使用。新发布作品，通过图片找最相似的作品。各种推荐场景，可以把图像相似性的特征用在计算相似作品上面。算法思路：用AutoEncoder，发现用卷积的方法无法降维。放弃。。。搜索是考虑用Resnet之类的算法，尝试发现用倒数n层的特征区分度不大。用基于2-channel network的图片相似度判别， 每次...
图像检索的pHash特征提取
06-02
提取pHash特征，利用得到的pHashFeature.txt中的数据实现后续图像匹配
感知相似度：LPIPS指标。 点安装lpips
02-05
感知相似性指标和数据集 深度特征作为感知指标的不合理有效性（ ，（ ，（ ，（ ，（ 。 在 ，2018中。 快速开始 运行pip install lpips 。 下面的Python代码就是您所需要的。 import lpips loss_fn_alex = lpips . LPIPS ( net = 'alex' ) # best forward scores loss_fn_vgg = lpips . LPIPS ( net = 'vgg' ) # closer to "traditional" perceptual loss, when used for optimizat
感知哈希算法（pHash算法）
纸上得来终觉浅
10-10 7214
原理第一步，缩小尺寸。 将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，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，计算平均值。 计算所有64个像素的灰度平均值。第四步，比较像素的灰度。 将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小
phash
SAN_YUN的专栏
01-11 287
For the last few months, I have had a nearly constant stream of queries asking how TinEye works and, more generally, how to find similar pictures. The truth is, I don't know how t...
GraphSim:基于多尺度卷积集匹配的图形相似度计算
qq_43289994的博客
03-01 2916
GraphSim:基于多尺度卷积集匹配的图形相似度计算 本篇论文是：Learning-based Efficient Graph Similarity Computation via Multi-Scale Convolutional Set Matching。需要注意的是，graph不同于image，graph是图表，是由边和节点生成。 1. 简要介绍 计算两个图形的相似度在多个领域都是一个核心的问题。而传统的方法(GED、MCS)会带来很大的计算量；之后提出了一些启发式算法和神经网络的训...
比较图像相似的三种方法
热门推荐
baidu_38634017的博客
03-25 1万+
转载自：https://blog.csdn.net/Alieon/article/details/97924522 前言 本来想自己写一篇总结图像相似hash算法，无意之中看到一篇博客真的是总结地很精妙。感觉自己远远不及，于是转载过来并添以补充代码实现。 原文链接：https://www.cnblogs.com/Kalafinaia
图像相似度计算方法
Sunshine
05-24 8616
图像相似度计算主要用于对于两幅图像之间内容的相似程度进行打分，根据分数的高低来判断图像内容的相近程度。      可以用于计算机视觉中的检测跟踪中目标位置的获取，根据已有模板在图像中找到一个与之最接近的区域。然后一直跟着。已有的一些算法比如BlobTracking，Meanshift，Camshift，粒子滤波等等也都是需要这方面的理论去支撑。     还有一方面就是基于图像内容的图像检索
图像相似的算法有哪些,图像相似的算法是什么
wenangou的博客
09-08 1191
其次结构信息不应该受到图像对比度的影响,因此计算结构信息时需要归一化图像的方差;所以目前最成熟的编程算法也就是识别一下字母和数字（比如谷歌可以识别照片上的门牌号和街道号），人脸识别也只是拿几个标本部位来大致判断相似度（眼睛的大小，鼻梁的高度，脸颊的宽瘦和比例），以人眼的标准完整的去比较两张图片是否一样是很难的，目前应该还没有这方面成熟的技术。这种思想是基于简单的数学上的向量之间的差异来进行图像相似程度的度量，这种方法是目前用的比较多的一种方法，第一，直方图能够很好的归一化，比如通常的256个bin条的。
计算两幅图像的相似度（PSNR、SSIM、MSE、余弦相似度、MD5、直方图、互信息、Hash）& 代码实现 与举例
m0_61899108的博客
11-07 6万+
计算两幅图像的相似度（PSNR、SSIM、MSE、余弦相似度、MD5、直方图、互信息、Hash）& 代码实现 与举例。 计算两幅图MSE 计算模型的预测 Ŷ 与真实标签 Y 的接近程度。公式表示为：对于两个m×n的单通道图像I和K，它们的均方误差可定义为：优点：MSE的函数曲线光滑、连续，处处可导，便于使用梯度下降算法，是一种常用的损失函数。而且，随着误差的减小，梯度也在减小，这有利于收敛，即使使用固定的学习速率，也能较快的收敛到最小值。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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