感知雜湊演算法

感知雜湊演算法是一類雜湊演算法的總稱，其作用在於生成每張影象的「指紋」(fingerprint)字串，比較不同影象的指紋資訊來判斷影象的相似性。結果越接近影象越相似。感知雜湊演算法包括均值雜湊（ahash）、感知雜湊（phash）和dhash（差異值雜湊）。

ahash速度較快，但精確度較低；phash則反其道而行之，精確度較高但速度較慢；dhash兼顧二者，精確度較高且速度較快。

在得到64位hash值後，使用漢明距離量化兩張影象的相似性。漢明距離越大，影象的相似度越小，漢明距離越小，影象的相似度越大。

漢明距離是使用在資料傳輸差錯控制編碼裡面的，漢明距離是乙個概念，它表示兩個（相同長度）字對應位不同的數量，我們以d（x,y）表示兩個字x,y之間的漢明距離。對兩個字串進行異或運算，並統計結果為1的個數，那麼這個數就是漢明距離。例如：

1011101與1001001之間的漢明距離是2。

2143896與2233796之間的漢明距離是3。

"toned"與"roses"之間的漢明距離是3。

a) 縮放：為了保留影象的結構，降低影象的資訊量，需要去掉細節、大小和橫縱比的差異，建議把統一縮放到8*8，共64個畫素的；

b) 轉化為灰度圖：把縮放後的轉化為256階的灰度圖；

灰度圖相關演算法（r = red， g = green， b = blue）

對於彩色轉灰度，其基礎的心理學公式為： gray = r0.299 + g0.587 + b0.114，部分變種也很流行：

i. 浮點演算法：gray=r0.3+g0.59+b0.11

ii. 整數方法：gray=(r30+g59+b11)/100

iii. 移位方法：gray =(r76+g151+b28)>>8;

iv. 平均值法：gray=（r+g+b）/3;

v. 僅取綠色：gray=g；

d) 比較畫素灰度值：遍歷灰度每乙個畫素，如果大於平均值記錄為1，否則為0；

e) 構造hash值：組合64個bit位生成hash值，順序隨意但前後保持一致性即可；

f) 對比指紋：計算兩幅的指紋，計算漢明距離。

phash

感知雜湊演算法可以獲得更精確的結果，它採用的是dct（離散余弦變換）來降低頻率。

a) 縮小尺寸

為了簡化了dct的計算，phash以小開始（建議大於8x8，32x32）。

b) 簡化色彩

與ahash相同，需要將轉化成灰度影象，進一步簡化計算量（具體演算法見ahash演算法步驟）。

c) 計算dct

dct是把分解頻率聚集和梯狀形。這裡以32x32的為例。

dct變換的全稱是離散余弦變換(discrete cosine transform)，主要用於將資料或影象的壓縮，能夠將空域的訊號轉換到頻域上，具有良好的去相關性的效能。dct變換本身是無損的，但是在影象編碼等領域給接下來的量化、哈弗曼編碼等創造了很好的條件，同時，由於dct變換時對稱的，所以，我們可以在量化編碼後利用dct反變換，在接收端恢復原始的影象資訊。對原始影象進行離散余弦變換，變換後dct係數能量主要集中在左上角，其餘大部分係數接近於零，dct具有適用於影象壓縮的特性。將變換後的dct係數進行門限操作，將小於一定值得係數歸零，這就是影象壓縮中的量化過程，然後進行逆dct運算，可以得到壓縮後的影象。

離散余弦變換的原理：

一維dct變換：

一維dct變換

其中，f(i)為原始的訊號，f(u)是dct變換後的係數，n為原始訊號的點數，c(u)可以認為是乙個補償係數，可以使dct變換矩陣為正交矩陣。

二維離散余弦變換的正變換公式為：

二維離散余弦變換

dct的結果為32x32大小的矩陣，但只需保留左上角的8x8的矩陣，這部分呈現了中的最低頻率。

e) 計算平均值

如同均值雜湊一樣，計算dct的均值

f) 進一步減小dct

根據8x8的dct矩陣進行比較，大於等於dct均值的設為」1」，小於dct均值的設為「0」。的整體結構保持不變的情況下，hash結果值不變。

g) 構造hash值

組合64個bit位生成hash值，順序隨意但前後保持一致性即可。

h）對比指紋：計算兩幅的指紋，計算漢明距離。

dhash

相比phash，dhash的速度更快，相比ahash，dhash在效率幾乎相同的情況下的效果要更好，它是基於漸變實現的。

a) 縮小：收縮至9*8的大小，它有72的畫素點；

b) 轉化為灰度圖：把縮放後的轉化為256階的灰度圖。（具體演算法見ahash演算法步驟）；

c) 計算差異值：計算相鄰畫素間的差異值，這樣每行9個畫素之間產生了8個不同的差異，一共8行，則產生了64個差異值；

d) 比較差異值：如果前乙個畫素的顏色強度大於第二個畫素，那麼差異值就設定為「1」，如果不大於第二個畫素，就設定「0」。

e) 構造hash值：組合64個bit位生成hash值，順序隨意但前後保持一致性即可。

f) 對比指紋：計算兩幅的指紋，計算漢明距離。

4人點贊

日記本

感知雜湊演算法

感知雜湊演算法 perceptual hash algorithm 它的作用是對每張生成乙個 指紋 fingerprint 字串，然後比較不同的指紋。結果越接近，就說明越相似。缺點 的內容不能更改。hash演算法原理 第一步，縮小尺寸。將縮小到8 8的尺寸，總共64個畫素。這一步的作用是去除的細節，...

感知雜湊演算法

有一些搜尋引擎有搜尋相似的功能，比如google，其中是什麼原理呢？其實我們利用乙個演算法就能達到相似的效果，其中涉及到的演算法就是 感知雜湊演算法 perceptual hash algorithm 下面就簡單介紹下該演算法。1.縮小的尺寸 將縮小到8 8的尺寸，總共64個畫素，這樣做的目的是去除...

感知雜湊演算法（pHash演算法）

第一步，縮小尺寸。將縮小到8x8的尺寸，總共64個畫素。這一步的作用是去除的細節，只保留結構 明暗等基本資訊，摒棄不同尺寸 比例帶來的差異。第二步，簡化色彩。將縮小後的，轉為64級灰度。也就是說，所有畫素點總共只有64種顏色。第三步，計算平均值。計算所有64個畫素的灰度平均值。第四步，比較畫素的灰度...