感知哈希算法

感知算法（Preceptatual hash algorithm） ，它的作用是对每一张图生成一个64位哈希值，之后比较不同图片的哈希值，结果越接近，说明图片越相似。

下面是简单的实现：

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，仅仅保留结构等基本信息，忽略不同尺寸、比例带来的图片差异

第二步：简化色彩，进行灰度处理

将缩小的图片，转换成64级灰度，也就是说，所有的像素点总共只有64中颜色

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：比较像素灰度

将每个像素的灰度，与平均值进行比较，大于或者等于平均值，即为1，小于平均值为0

第五步：计算哈希值

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，组合顺序不重要，只要保证所有的图片都是采用同样的次序就行。

from PIL import Image
import copy
from Object import Object

class PHA(Object):
"""
1:缩小尺寸
2：简化色彩
3：计算平均值
4：比较像素灰度
"""
def __init__(self, Item = None):
self.m_pic_data = None
self.m_pic_path_name = None#str
self.m_gray_mean = None#int
self.m_gray_mean_L = None
self.m_img_array = None#图片色素
self.m_str = None   #str
self.m_Item = Item

def get_gray_mean_L(self):
return self.m_gray_mean_L

def get_str(self):
return self.m_str

#对路径文件进行组合
def consist_path_and_file(self):
if self.m_Item == None:
return None
filepicture = str(self.m_Item) + '.jpg'
if len(filepath) is 0:
print "filepath is error "
return None
TmpStr = copy.deepcopy(filepath)
TmpStr += filepicture
self.m_pic_path_name = TmpStr

#读取文件进行缩小尺寸
def read_picture(self):
#对文件和路径进行组合
self.consist_path_and_file()
try:
Image_Fp = Image.open(self.m_pic_path_name)
except IOError:
print "%s is not exist", self.m_pic_path_name
exit()
self.m_pic_data = Image_Fp.resize((8,8))
return  self.m_pic_data

#简化色彩
def color_simplify(self):
self.m_pic_data.convert('L')

def mean(self, mean_g = True):
size_x,size_y = self.m_pic_data.size
mean_x = 0
mean_y = 0
mean_z = 0
for x in range(size_x):
for y in range(size_y):
mean_x += self.m_img_array[x,y][0]
mean_y += self.m_img_array[x,y][1]
mean_z += self.m_img_array[x,y][2]
return [mean_x/64, mean_y/64, mean_z/64]

#计算平均值
def gray_level_mean(self):
img_array = self.m_pic_data.load()
self.m_img_array = img_array
#mean_list = self.mean()
self.m_gray_mean_L =  self.mean()
#转成01字符串
#self.m_bin_gray_mean_L = [ str for str in bin(self.m_gray_mean).split('0b')[1]]

#比较像素灰度int gray = 0.3*red + 0.59*green + 0.11*blue
def com_gray_level(self):
#计算灰度算法
L = str()
size_x,size_y = self.m_pic_data.size
mean_x = 0
mean_y = 0
mean_z = 0
for x in range(size_x):
for y in range(size_y):
if int(self.m_img_array[x,y][0]) < self.m_gray_mean_L[0] or \
int(self.m_img_array[x, y][1]) < self.m_gray_mean_L[1] or \
int(self.m_img_array[x, y][2]) < self.m_gray_mean_L[2]:
L += '0'
else:
L += '1'

self.m_str = L

def Run(self):
try:
self.read_picture()
self.color_simplify()
self.gray_level_mean()
self.com_gray_level()
except:
return None
return True

#计算哈希值
def count(oneCmd, twoCmd):
i = 0
tmp_num = 0
for str in twoCmd:
if cmp(str, oneCmd[i]) == 0:
pass
else:
tmp_num +=1
i += 1
if  tmp_num > 15:
#不相同
return False
else:
return True