如何進(jìn)行opencv3/C++PHash算法圖像檢索，針對(duì)這個(gè)問題，這篇文章詳細(xì)介紹了相對(duì)應(yīng)的分析和解答，希望可以幫助更多想解決這個(gè)問題的小伙伴找到更簡(jiǎn)單易行的方法。

創(chuàng)新互聯(lián)建站服務(wù)項(xiàng)目包括鐵鋒網(wǎng)站建設(shè)、鐵鋒網(wǎng)站制作、鐵鋒網(wǎng)頁制作以及鐵鋒網(wǎng)絡(luò)營(yíng)銷策劃等。多年來，我們專注于互聯(lián)網(wǎng)行業(yè)，利用自身積累的技術(shù)優(yōu)勢(shì)、行業(yè)經(jīng)驗(yàn)、深度合作伙伴關(guān)系等，向廣大中小型企業(yè)、政府機(jī)構(gòu)等提供互聯(lián)網(wǎng)行業(yè)的解決方案，鐵鋒網(wǎng)站推廣取得了明顯的社會(huì)效益與經(jīng)濟(jì)效益。目前，我們服務(wù)的客戶以成都為中心已經(jīng)輻射到鐵鋒省份的部分城市，未來相信會(huì)繼續(xù)擴(kuò)大服務(wù)區(qū)域并繼續(xù)獲得客戶的支持與信任！

PHash算法即感知哈希算法/Perceptual Hash algorithm，計(jì)算基于低頻的均值哈希．對(duì)每張圖像生成一個(gè)指紋字符串，通過對(duì)該字符串比較可以判斷圖像間的相似度．

PHash算法原理

將圖像轉(zhuǎn)為灰度圖，然后將圖片大小調(diào)整為32*32像素并通過DCT變換，取左上角的8*8像素區(qū)域。然后計(jì)算這64個(gè)像素的灰度值的均值。將每個(gè)像素的灰度值與均值對(duì)比，大于均值記為1，小于均值記為0，得到64位哈希值。

PHash算法實(shí)現(xiàn)

將圖片轉(zhuǎn)為灰度值

將圖片尺寸縮小為32*32

resize(src, src, Size(32, 32));

DCT變換

Mat srcDCT;  dct(src, srcDCT);

計(jì)算DCT左上角8*8像素區(qū)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(i,j); 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(i,j) = srcDCT.at(i,j) > average ? 1:0;

hash值匹配

int d = 0;  for (int n = 0; n < srchash.size[1]; n++)   if (srchash.at(0,n) != dsthash.at(0,n)) d++;

即，計(jì)算兩幅圖哈希值之間的漢明距離，漢明距離越大，兩圖片越不相似。

OpenCV實(shí)現(xiàn)

如圖在下圖中對(duì)比各個(gè)圖像與圖person.jpg的漢明距離，以此衡量?jī)蓤D之間的額相似度。

#include #include #include #include #include #include #include #include using namespace std; using namespace cv; 

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(0,n) != dsthash.at(0,n)) d++;   

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(i,j); 

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(i,j) = srcDCT.at(i,j) > average ? 1:0; 

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

輸出漢明距離：

可以看出若將閾值設(shè)置為20則可將后三張其他圖片篩選掉。

關(guān)于如何進(jìn)行opencv3/C++PHash算法圖像檢索問題的解答就分享到這里了，希望以上內(nèi)容可以對(duì)大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道了解更多相關(guān)知識(shí)。