代碼使用：

Imagededup 官方地址 https://idealo.github.io/imagededup/
顯示一張給定照片的重復(fù)子集：

from imagededup.methods import PHash phasher = PHash()# Generate encodings for all images in an image directory encodings = phasher.encode_images(image_dir='path/to/image/directory')# Find duplicates using the generated encodings duplicates = phasher.find_duplicates(encoding_map=encodings)# plot duplicates obtained for a given file using the duplicates dictionary from imagededup.utils import plot_duplicates plot_duplicates(image_dir='path/to/image/directory',duplicate_map=duplicates,filename='ukbench00120.jpg')

返回重復(fù)文件的列表：

duplicates = phasher.find_duplicates_to_remove(encoding_map=encodings) # 后面可以將 duplicates 從舊目錄移至新目錄，完成去重操作 for i in range(len(duplicates)):shutil.move(oldPath + '/' + duplicates[i], newPath + '/' + duplicates[i])

更多實(shí)例見：
https://blog.csdn.net/weixin_43886133/article/details/114113027
https://www.cnblogs.com/xiaodai0/p/11646646.html

算法流程：

（1）首先對(duì)原始圖像進(jìn)行編碼（生成64位0或1值），可選算法如下：

（2）對(duì)編碼后的照片，兩兩計(jì)算漢明距離（不同位的個(gè)數(shù)：1011101 與 1001001 之間的漢明距離是 2）。如果這個(gè)值為0，則表示這兩張圖片非常相似，如果漢明距離小于5，則表示有些不同，但比較相近，如果漢明距離大于10則表明完全不同的圖片。

（3）設(shè)置閾值（0-64），提取出針對(duì)某張照片的重復(fù)照片。

哈希算法細(xì)節(jié)：

• 均值哈希

  1）縮小尺寸：去除高頻和細(xì)節(jié)的最快方法是縮小圖片，將圖片縮小到8x8的尺寸，總共64個(gè)像素。不要保持縱橫比，只需將其變成8*8的正方形。這樣就可以比較任意大小的圖片，摒棄不同尺寸、比例帶來的圖片差異。

  2）簡化色彩：將8*8的小圖片轉(zhuǎn)換成灰度圖像。

  3）計(jì)算平均值：計(jì)算所有64個(gè)像素的灰度平均值。

  4）比較像素的灰度：將每個(gè)像素的灰度，與平均值進(jìn)行比較。大于或等于平均值，記為1；小于平均值，記為0。

  5）計(jì)算hash值：將上一步的比較結(jié)果，組合在一起，就構(gòu)成了一個(gè)64位的整數(shù)，這就是這張圖片的指紋。組合的次序并不重要，只要保證所有圖片都采用同樣次序就行了。(我設(shè)置的是從左到右，從上到下用二進(jìn)制保存)。

  注：均值哈希算法主要是利用圖片的低頻信息。一張圖片就是一個(gè)二維信號(hào)，它包含了不同頻率的成分。亮度變化小的區(qū)域是低頻成分，它描述大范圍的信息。而亮度變化劇烈的區(qū)域（比如物體的邊緣）就是高頻的成分，它描述具體的細(xì)節(jié)。詳細(xì)的圖片有很高的頻率，而小圖片缺乏圖像細(xì)節(jié)，所以都是低頻的。所以我們平時(shí)的下采樣，也就是縮小圖片的過程，實(shí)際上是損失高頻信息的過程。

• 感知哈希

  均值哈希雖然簡單，但受均值的影響非常大。例如對(duì)圖像進(jìn)行伽馬校正或直方圖均衡就會(huì)影響均值，從而影響最終的hash值。存在一個(gè)更健壯的算法叫pHash。它將均值的方法發(fā)揮到極致。使用離散余弦變換(DCT)來獲取圖片的低頻成分。

  離散余弦變換（DCT）是種圖像壓縮算法，它將圖像從像素域變換到頻率域。然后一般圖像都存在很多冗余和相關(guān)性的，所以轉(zhuǎn)換到頻率域之后，只有很少的一部分頻率分量的系數(shù)才不為0，大部分系數(shù)都為0（或者說接近于0）。下圖的右圖是對(duì)lena圖進(jìn)行離散余弦變換（DCT）得到的系數(shù)矩陣圖。從左上角依次到右下角，頻率越來越高，由圖可以看到，左上角的值比較大，到右下角的值就很小很小了。換句話說，圖像的能量幾乎都集中在左上角這個(gè)地方的低頻系數(shù)上面了。

  1）縮小尺寸：pHash以小圖片開始，但圖片大于88，3232是最好的。這樣做的目的是簡化了DCT的計(jì)算，而不是減小頻率。

  2）簡化色彩：將圖片轉(zhuǎn)化成灰度圖像，進(jìn)一步簡化計(jì)算量。

  3）計(jì)算DCT：計(jì)算圖片的DCT變換，得到32*32的DCT系數(shù)矩陣。

  4）縮小DCT：雖然DCT的結(jié)果是3232大小的矩陣，但我們只要保留左上角的88的矩陣，這部分呈現(xiàn)了圖片中的最低頻率。

  5）計(jì)算平均值：如同均值哈希一樣，計(jì)算DCT的均值。

  6）計(jì)算hash值：這是最主要的一步，根據(jù)8*8的DCT矩陣，設(shè)置0或1的64位的hash值，大于等于DCT均值的設(shè)為”1”，小于DCT均值的設(shè)為“0”。組合在一起，就構(gòu)成了一個(gè)64位的整數(shù)，這就是這張圖片的指紋。

  結(jié)果并不能告訴我們真實(shí)性的低頻率，只能粗略地告訴我們相對(duì)于平均值頻率的相對(duì)比例。只要圖片的整體結(jié)構(gòu)保持不變，hash結(jié)果值就不變。能夠避免伽馬校正或顏色直方圖被調(diào)整帶來的影響。

  與均值哈希一樣，pHash同樣可以用漢明距離來進(jìn)行比較。(只需要比較每一位對(duì)應(yīng)的位置并算計(jì)不同的位的個(gè)數(shù))

猜你喜歡：👇🏻
?【圖像】jpg與jpeg的區(qū)別
?【圖像】一個(gè)像素占幾個(gè)字節(jié)？多少比特？
?【圖像】插值方法原理（最近鄰，雙線性，雙三，蘭索斯）

總結(jié)

以上是生活随笔為你收集整理的【图像】imagededup照片去重（感知哈希，汉明距离）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。