opencv3/C++ PHash算法图像检索详解

2023-08-04 17:02:05 73

PHash算法即感知哈希算法/PerceptualHashalgorithm，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

MatsrcDCT;
dct(src,srcDCT);

计算DCT左上角8*8像素区域均值，求hash值

doublesum=0;
for(inti=0;i<8;i++)
for(intj=0;j<8;j++)
sum+=srcDCT.at(i,j);

doubleaverage=sum/64;
Matphashcode=Mat::zeros(Size(8,8),CV_8U);
for(inti=0;i<8;i++)
for(intj=0;j<8;j++)
phashcode.at(i,j)=srcDCT.at(i,j)>average?1:0;

hash值匹配

intd=0;
for(intn=0;n(0,n)!=dsthash.at(0,n))d++;

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
#include
#include
#include
#include
#include
#include
#include
usingnamespacestd;
usingnamespacecv;
intfingerprint(Matsrc,Mat*hash);

intmain()
{
Matsrc=imread("E:\\image\\image\\image\\person.jpg",0);
if(src.empty())
{
cout<<"theimageisnotexist"<>number;
stringpath="E:\\image\\image\\image\\person"+number+".jpg";
Matdst=imread(path,0);
if(dst.empty())
{
cout<<"theimageisnotexist"<(0,n)!=dsthash.at(0,n))d++;

cout<<"person"<(i,j);

doubleaverage=sum/64;
Matphashcode=Mat::zeros(Size(8,8),CV_8U);
for(inti=0;i<8;i++)
for(intj=0;j<8;j++)
phashcode.at(i,j)=srcDCT.at(i,j)>average?1:0;

*hash=phashcode.reshape(0,1).clone();
return0;
}

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。

以上这篇opencv3/C++PHash算法图像检索详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。

声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。

opencv3/C++ PHash算法图像检索详解

热门推荐

随机推荐