图片相似度识别：aHash算法

aHash算法

   Hash算法进行图片相似度识别的本质，就是将图片进行Hash转化，生成一组二进制数字，然后通过比较不同图片的Hash值距离找出相似图片。aHash中文叫平均哈希算法，顾名思义，在进行转化过程中将用到像素均值。

基本原理：

1. 缩小尺寸。这样做会去除图片的细节，只保留结构、明暗等基本信息，目的是统一图片大小，保证后续图片都有相同长度的哈希值，方便距离计算。网上看到的案例基本都将尺寸缩小为8*8，64个像素点，暂时不清楚缩小为这个尺寸的原因，但如果觉得损失的信息太多，个人认为可以将尺寸适当调大，当然像素点多了后续计算就会稍慢一些。

2. 灰度化处理。将图片全部转换为统一的灰度图。

3. 计算像素均值。计算像素的灰度平均值（此处均值出现）。

4. 哈希值计算。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，小于平均值，记为0，由此生成二进制数组。

5. 图片配对，计算汉明距离。距离越近，越相似。当图片缩小为8*8时，通常认为汉明距离小于10的一组图片为相似图片。

2

Python实现

本例中将计算以下两张图片的相似度：

（image1）

（image2）

• 图像处理库

图像处理可以用opencv包或者PIL包。如要使用opencv，需要在terminal中输入下面代码，先安装brew，再通过brew安装opencv。

$ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"$ brew install opencv

• 完整算法

from PIL import Image #用PIL处理图像

importos

importnumpyasnp

#import cv2 ——如果要用opencv时需导入

#均值哈希算法

defaHash(image):

  image_new=image

  #计算均值

  avreage=np.mean(image_new)

  hash=[]

  foriinrange(image.shape[0]):

    forjinrange(image.shape[1]):

      ifimage[i,j]>avreage:

        hash.append(1)      else:

        hash.append(0)

  returnhash

#计算汉明距离

defHamming_distance(hash1,hash2):

  num=0

  forindexinrange(len(hash1)):

    ifhash1[index]!=hash2[index]:

      num+=1

  returnnum

if__name__=="__main__":

    #PIL

  image1=Image.open('image1.png')

  image2=Image.open('image2.png')

  #缩小尺寸并灰度化

  image1=np.array(image1.resize((8,8),Image.ANTIALIAS).convert('L'),'f')

  image2=np.array(image2.resize((8,8),Image.ANTIALIAS).convert('L'),'f')

    #opencv

    #img1 = cv2.imread('image1')

  #img2=cv2.imread('image2')

  #缩小尺寸并灰度化

    #image1=cv2.cvtColor(cv2.resize(img1,(8,8),interpolation=cv2.INTER_CUBIC),cv2.COLOR_BGR2GRAY)

    #image2=cv2.cvtColor(cv2.resize(img2,(8,8),interpolation=cv2.INTER_CUBIC),cv2.COLOR_BGR2GRAY)

  hash1=aHash(image1)

    hash2 = aHash(image2)

  dist=Hamming_distance(hash1,hash2)

  #将距离转化为相似度

  similarity=1-dist*1.0/64

  print('distis'+'%d'%dist)

    print('similarity is ' +'%d' % similarity)

最终结果：

可见两张图片相似度非常低。

3

优缺点

优点：速度快

缺点：精确度较差，对均值敏感