如何进行opencv3/C++PHash算法图像检索,针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
创新互联建站服务项目包括铁锋网站建设、铁锋网站制作、铁锋网页制作以及铁锋网络营销策划等。多年来,我们专注于互联网行业,利用自身积累的技术优势、行业经验、深度合作伙伴关系等,向广大中小型企业、政府机构等提供互联网行业的解决方案,铁锋网站推广取得了明显的社会效益与经济效益。目前,我们服务的客户以成都为中心已经辐射到铁锋省份的部分城市,未来相信会继续扩大服务区域并继续获得客户的支持与信任!
PHash算法即感知哈希算法/Perceptual Hash algorithm,计算基于低频的均值哈希.对每张图像生成一个指纹字符串,通过对该字符串比较可以判断图像间的相似度.
PHash算法原理
将图像转为灰度图,然后将图片大小调整为32*32像素并通过DCT变换,取左上角的8*8像素区域。然后计算这64个像素的灰度值的均值。将每个像素的灰度值与均值对比,大于均值记为1,小于均值记为0,得到64位哈希值。
PHash算法实现
将图片转为灰度值
将图片尺寸缩小为32*32
resize(src, src, Size(32, 32));
DCT变换
Mat srcDCT; dct(src, srcDCT);
计算DCT左上角8*8像素区域均值,求hash值
double sum = 0;
for (int i = 0;
i < 8; i++) for (int j = 0; j < 8; j++)
sum += srcDCT.at
Mat phashcode= Mat::zeros(Size(8, 8), CV_8U);
for (int i = 0; i < 8; i++) for (int j = 0; j < 8; j++)
phashcode.at
hash值匹配
int d = 0; for (int n = 0; n < srchash.size[1]; n++) if (srchash.at
即,计算两幅图哈希值之间的汉明距离,汉明距离越大,两图片越不相似。
OpenCV实现
如图在下图中对比各个图像与图person.jpg的汉明距离,以此衡量两图之间的额相似度。
#include
int fingerprint(Mat src, Mat* hash);
int main(){ Mat src = imread("E:\\image\\image\\image\\person.jpg", 0);
if(src.empty()) {
cout << "the image is not exist" << endl;
return -1; } Mat srchash, dsthash;
fingerprint(src, &srchash);
for(int i = 1; i <= 8; i++) { string path0 = "E:\\image\\image\\image\\person";
string number; stringstream ss;
ss << i; ss >> number;
string path = "E:\\image\\image\\image\\person" + number +".jpg";
Mat dst = imread(path, 0);
if(dst.empty()) { cout << "the image is not exist" << endl; return -1;
} fingerprint(dst, &dsthash);
int d = 0; for (int n = 0; n < srchash.size[1]; n++)
if (srchash.at
cout <<"person" << i <<" distance= " < return 0;} int fingerprint(Mat src, Mat* hash){ resize(src, src, Size(32, 32)); src.convertTo(src, CV_32F); Mat srcDCT; dct(src, srcDCT); srcDCT = abs(srcDCT); double sum = 0; for (int i = 0; i < 8; i++) for (int j = 0; j < 8; j++) sum += srcDCT.at double average = sum/64; Mat phashcode= Mat::zeros(Size(8, 8), CV_8U); for (int i = 0; i < 8; i++) for (int j = 0; j < 8; j++) phashcode.at *hash = phashcode.reshape(0,1).clone(); return 0;} 输出汉明距离: 可以看出若将阈值设置为20则可将后三张其他图片筛选掉。 关于如何进行opencv3/C++PHash算法图像检索问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注创新互联行业资讯频道了解更多相关知识。
本文题目:如何进行opencv3/C++PHash算法图像检索
网站地址:http://cdkjz.cn/article/gsdgpo.html