現(xiàn)在以圖搜圖的功能比較火熱，很好奇其原理。

簡單的搜索學習得知，實現(xiàn)相似圖片搜索的關鍵技術是“感知哈希算法”，作用是對每一張圖片按照某種規(guī)律生成一個對應的指紋字符串。比較不同圖片之間的指紋字符串，結果越接近，圖片越相似。

現(xiàn)將問題簡化為研究兩幅圖像的相似度，算法可能其他博客都有介紹了，現(xiàn)給出實現(xiàn)代碼（簡易版）。簡易版指紋字符串的算法思想如下：

1.輸入圖像

2.灰度化

3.將圖像大小歸一化到8*8尺寸

4.簡化灰度以減少計算量，例如所有的灰度除以5

5.計算平均灰度值avg

6.比較8*8=64個像素與平均灰度值avg的大小，若大則記為1，小則記為0，按一定順序排列成64位2進制的指紋編碼。

7.比較兩幅圖像的指紋編碼，計算相似度。

測試樣例：(依次為example1，example2，example3，example4)

測試結果：

example1-example2 :?64.0625%,not similar.

example1-example3 :?71.875%,a little?similar.

example1-example4 :?95.3125%,extremely similar.

?

代碼如下,只有一個文件哦（main.cpp）:

?

#include <opencv2/opencv.hpp>

using namespace std;
string ImageHashValue(IplImage* src); ?//計算圖片的指紋信息
double ImageSimilarity(string &str1,string &str2); ?//根據(jù)指紋信息計算兩幅圖像的相似度

int main()
{
IplImage* image1 = cvLoadImage("example1.jpg",1);
IplImage* image2 = cvLoadImage("example3.jpg",1);
cvShowImage("image1",image1);
cvShowImage("image2",image2);
string imgPrint1 = ImageHashValue(image1);
string imgPrint2 = ImageHashValue(image2);
double similarity = ImageSimilarity(imgPrint1,imgPrint2);
cout<<"The similarity of two images is "<<similarity*100<<"%"<<endl;
if(similarity>=0.9)
cout<<"The two images are extremely similar."<<endl;
else if(similarity>=0.8&&similarity<0.9)
cout<<"The two images are pretty similar."<<endl;
else if(similarity>=0.7&&similarity<0.8)
cout<<"The two images are a little similar."<<endl;
else if(similarity<0.7)
cout<<"The two image are not similar."<<endl;
cout<<endl;
cvWaitKey(0);
}

//計算圖片的指紋信息
string ImageHashValue(IplImage* src)
{
string resStr(64,'\0');
IplImage* image = ?cvCreateImage(cvGetSize(src),src->depth,1);
//step one : 灰度化
if(src->nChannels == 3) ?cvCvtColor(src,image,CV_BGR2GRAY);
else ?cvCopy(src,image);
//step two : 縮小尺寸 8*8
IplImage* temp = cvCreateImage(cvSize(8,8),image->depth,1);
cvResize(image,temp);
//step three : 簡化色彩
uchar* pData;
for(int i=0; i<temp->height; i++)
{
pData =(uchar* )(temp->imageData+i*temp->widthStep);
for(int j=0; j<temp->width;j++)
pData[j]= pData[j]/4;
}
//step four : 計算平均灰度值
int average = cvAvg(temp).val[0];
//step five : 計算哈希值
int index = 0;
for(int i=0; i<temp->height; i++)
{
pData =(uchar* )(temp->imageData+i*temp->widthStep);
for(int j=0; j<temp->width;j++)
{
if(pData[j]>=average)
resStr[index++]='1';
else?
resStr[index++]='0';
}
}
return resStr;
}

//根據(jù)指紋信息計算兩幅圖像的相似度
double ImageSimilarity(string &str1,string &str2)
{
double similarity = 1.0;
for(int i=0;i<64;i++)
{
char c1 = str1[i];
char c2 = str2[i];
if(c1!=c2)
similarity = similarity -1.0/64;
}
return similarity;
}

轉自https://blog.csdn.net/zhuason/article/details/78933250

總結

以上是生活随笔為你收集整理的比较两幅图像的相似度的全部內容，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)站內容還不錯，歡迎將生活随笔推薦給好友。