图像哈希算法概要1.pptVIP

图像哈希算法 谷歌搜索图像结果 Google和Tineye相似图像搜索主要利用的算法是感知哈希算法（Perceptual hash algorithm），它的作用是对每张图片生成一个“指纹”（fingerprint）字符串，然后比较不同图片的指纹，结果越接近，就说明图片越相似。 一、均值哈希算法步骤： 1、缩小尺寸：将图片缩小到8x8的尺寸，总共64个像素。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。 2、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。 3、计算平均值：计算所有64个像素的灰度平均值。 4、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；小于平均值，记为0。 5、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，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。 得到指纹以后，就可以计算“汉明距离”，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。 优点：简单快速，不受图片大小缩放的影响 缺点：缺点是图片的内容不能变更。如果在图片上加几个文字，它就认不出来了。 它的最佳用途是根据缩略图，找出原图。 二、感知哈希算法 步骤： 1、缩小尺寸到 32×32 2、图像灰度化 3、对图像进行DCT变换 4、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。 5、计算平均值 6、与均值比较 7、用汉明距离比较 优点：容忍变形（25%的修改）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。 缺点：速度比传统慢 1.缩小图片：收缩到9*8的大小，一遍它有72的像素点 2.转化为灰度图 3.计算差异值：dHash算法工作在相邻像素之间，这样每行9个像素之间产生了8个不同的差异，一共8行，则产生了64个差异值 4.获得指纹：如果左边的像素比右边的更亮，则记录为1，否则为0. 三、dHash 相比pHash，dHash的速度要快的多，相比aHash，dHash在效率几乎相同的情况下的效果要更好，它是基于渐变实现的。