爬虫敏感图片的识别与过滤，了解一下？

优雅的python

优美胜于丑陋，

明了胜于晦涩。

分享python资讯～

需求

我们需要识别出敏感作者的avatar头像,把”皮卡丘“换成”优雅的python“。

敏感图片样本属性:

爬虫获取的图片属性：

替换成：

原理

检查两个图片的相似度，一个简单而快速的算法：感知哈希算法(Perceptual Hash)，通过某种提取特征的方式为每个图片计算一个指纹（哈希），这样对比两个图片相似与否就变成了对比两个指纹异同的问题。

实现

Step1.缩小尺寸

将图片缩小到8*8的大小，这样做可以去除图片的细节，只保留结构和明暗等基本信息，同时摒弃不同尺寸和比例带来的图片差异。

Step2.灰度处理

把缩小后的图片转化为64级灰度图（每个像素只有64种颜色）。

Step3.计算平均值

计算所有64个像素的灰度平均值。

Step4.计算哈希

这里哈希的计算方法是：上面说的64个像素的灰度与平均值进行比较，大于或等于平均值记为1，小于记为0。

将每个像素的比较结果组合在一起成为一个64位的二进制整数，这个整数就是此图片的指纹。

Step5.对比哈希

不同图片对比的方法，就是对比它们的64位哈希中，有多少位不一样（汉明距离）。一般来说如果不同的位数不超过5，就说明两张图片很相似，如果大于10，就很可能是两张不同的图片。

代码(python3)

先来安装pillow、requests:

导入包:

实现图片相似度算法:

结合爬虫:

运行结果：

github源码

https://gist.github.com/luzihang123/77c7f02304447dd2a273cca526a27e1c

参考文章

相似图片检测？三行代码就够了 - 掘金

此 Python2 脚本怎么修改为 Python3 运行 - V2EX