以图搜图：Python实现dHash算法

向AI转型的程序员都关注了这个号👇👇👇

机器学习AI算法工程   公众号：datayx

期研究了一下以图搜图这个炫酷的东西。百度和谷歌都有提供以图搜图的功能，有兴趣可以找一下。当然，不是很深入。深入的话，得运用到深度学习这货。Python深度学习当然不在话下。

这个功能最核心的东西就是怎么让电脑识别图片。

这个问题也是困扰了我，在偶然的机会，看到哈希感知算法。这个分两种，一种是基本的均值哈希感知算法(dHash)，一种是余弦变换哈希感知算法(pHash)。dHash是我自己命名的，为了和pHash区分。这里两种方法，我都用Python实现了^_^

哈希感知算法基本原理如下：

1、把图片转成一个可识别的字符串，这个字符串也叫哈希值

2、和其他图片匹配字符串

算法不是耍耍嘴皮子就行了，重点是怎么把图片变成一个可识别的字符串。（鄙视网上那些抄来抄去的文章，连字都一模一样）拿一张图片举例。

首先，把这个图片缩小到8x8大小，并改成灰度模式。这样是为了模糊化处理图片，并减少计算量。

8x8的图片太小了，放大图片给大家看一下。

x8大小的图片就是有64个像素值。计算这64个像素的平均值，进一步降噪处理。

像素值=[

     247, 245, 250, 253, 251, 244, 240, 240, 

     247, 253, 228, 208, 213, 243, 247, 241, 

     252, 226, 97, 80, 88, 116, 231, 247, 

     255, 172, 79, 65, 51, 58, 191, 255, 

     255, 168, 71, 60, 53, 69, 205, 255, 

     255, 211, 65, 58, 56, 104, 244, 252, 

     248, 253, 119, 42, 53, 181, 252, 243, 

     244, 240, 218, 175, 185, 230, 242, 244]

平均值=185.359375

得到这个平均值之后，再和每个像素对比。像素值大于平均值的标记成1，小于或等于平均值的标记成0。组成64个数字的字符串(看起来也是一串二进制的)。

降噪结果=[

       1, 1, 1, 1, 1, 1, 1, 1, 

       1, 1, 1, 1, 1, 1, 1, 1, 

       1, 1, 0, 0, 0, 0, 1, 1, 

       1, 0, 0, 0, 0, 0, 1, 1, 

       1, 0, 0, 0, 0, 0, 1, 1, 

       1, 1, 0, 0, 0, 0, 1, 1, 

       1, 1, 0, 0, 0, 0, 1, 1, 

       1, 1, 1, 0, 0, 1, 1, 1]

64位字符串 =

'1111111111111111110000111000001110000011110000111100001111100111'

由于64位太长，比较起来也麻烦。每4个字符为1组，由2进制转成16进制。这样就剩下一个长度为16的字符串。这个字符串也就是这个图片可识别的哈希值。

哈希值 = 'ffffc38383c3c3e7'

Python代码如下：

看看其他图片的哈希值：

这3张图片的哈希值分别和a.jpg(举例的那张图片)的哈希值对比。对比方法用汉明距离：相同位置上的字符不同的个数。例如a.jpg和b.jpg对比

有11个位置的字符不一样，则汉明距离是11。汉明距离越小就说明图片越相识。超过10就说明图片很不一样。

a.jpg和c.jpg的汉明距离是8；

a.jpg和d.jpg的汉明距离是7。

说明在这3张图片中，d.jpg和a.jpg最相似。

大致算法就是这样，汉明距离的代码我没给出，这个比较简单。一般都是在数据库里面进行计算，得到比较小的那些图片感知哈希值。

当然，实际应用中很少用这种算法，因为这种算法比较敏感。同一张图片旋转一定角度或者变形一下，那个哈希值差别就很大。不过，它的计算速度是最快的，通常可以用于查找缩略图。

现有3张图片，用前面的dHash均值哈希感知算法计算哈希值。

Hash均值哈希感知算法计算结果：

1.jpg：270f078fd1fdffff

2.jpg：f8f0e1f0eaefcfff

3.jpg：e70f058f81f1f1ff

1.jpg和2.jpg(旋转90度)的汉明距离是13；1.jpg和3.jpg(旋转5度)的汉明距离是5。(汉明距离是两个字符串对应位置对比，总共不同的个数)

很明显，旋转了90度汉明距离变得很大。在dHash算法中，它们是不同的。而我们肉眼可以看出其实是一样的。前面说过dHash算法比较较真、比较敏感。若要处理一定程度的变形，得要调整一下这个算法。

pHash算法就是基于dHash算法调整而来的，用第一次计算得到的值进行余弦变换。所以命名为余弦哈希感知算法。它可以识别变形程度在25%以内的图片。

大致原理和处理过程是这样：

把图片缩小到32x32的尺寸，并转为灰度模式。

得到这个平均值之后，再和每个像素对比。像素值大于平均值的标记成1，小于或等于平均值的标记成0。组成64个数字的字符串(看起来也是一串二进制的)。

降噪结果 = [

    0, 1, 1, 1, 0, 0, 1, 1,

    0, 1, 1, 0, 0, 0, 0, 1,

    0, 0, 0, 0, 0, 0, 0, 0,

    0, 0, 0, 0, 0, 0, 0, 0,

    1, 1, 1, 1, 1, 1, 1, 1,

    1, 1, 1, 1, 1, 1, 1, 1,

    0, 0, 0, 1, 1, 1, 0, 0,

    0, 0, 0, 0, 0, 0, 0, 0]

64位字符串 = '0111001101100001000000000000000011111111111111110001110000000000'

每4个数字，由2进制转成16进制，得到哈希值 = '73610000ffff1c00'

Python代码如下：

用这个算法计算2.jpg和3.jpg的哈希值和与1.jpg对比的汉明距离分别是：

2.jpg：7ffc0000ffffe000，汉明距离是5

3.jpg：7fff0000fffff800，汉明距离是5

很明显，pHash算法得到的汉明距离更加符合我们的要求。

原文地址

https://yshblog.com/blog/44

机器学习算法AI大数据技术

 搜索公众号添加： datanlp

长按图片，识别二维码

阅读过本文的人还看了以下文章：

TensorFlow 2.0深度学习案例实战

基于40万表格数据集TableBank，用MaskRCNN做表格检测

《基于深度学习的自然语言处理》中/英PDF

Deep Learning 中文版初版-周志华团队

【全套视频课】最全的目标检测算法系列讲解，通俗易懂！

《美团机器学习实践》_美团算法团队.pdf

《深度学习入门：基于Python的理论与实现》高清中文PDF+源码

《深度学习：基于Keras的Python实践》PDF和代码

特征提取与图像处理(第二版).pdf

python就业班学习视频，从入门到实战项目

2019最新《PyTorch自然语言处理》英、中文版PDF+源码

《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码

《深度学习之pytorch》pdf+附书源码

PyTorch深度学习快速实战入门《pytorch-handbook》

【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》

《Python数据分析与挖掘实战》PDF+完整源码

汽车行业完整知识图谱项目实战视频(全23课)

李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材

笔记、代码清晰易懂！李航《统计学习方法》最新资源全套！

《神经网络与深度学习》最新2018版中英PDF+源码

将机器学习模型部署为REST API

FashionAI服装属性标签图像识别Top1-5方案分享

重要开源！CNN-RNN-CTC 实现手写汉字识别

yolo3 检测出图像中的不规则汉字

同样是机器学习算法工程师，你的面试为什么过不了？

前海征信大数据算法：风险概率预测

【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类

VGG16迁移学习，实现医学图像识别分类工程项目

特征工程(一)

特征工程(二) :文本数据的展开、过滤和分块

特征工程(三):特征缩放,从词袋到 TF-IDF

特征工程(四): 类别特征

特征工程(五): PCA 降维

特征工程(六): 非线性特征提取和模型堆叠

特征工程(七)：图像特征提取和深度学习

如何利用全新的决策树集成级联结构gcForest做特征工程并打分？

Machine Learning Yearning 中文翻译稿

蚂蚁金服2018秋招-算法工程师（共四面）通过

全球AI挑战-场景分类的比赛源码(多模型融合)

斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）

python+flask搭建CNN在线识别手写中文网站

中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程

不断更新资源

深度学习、机器学习、数据分析、python

 搜索公众号添加： datayx