感知哈希算法

感知哈希算法（以下简称PHA）是哈希算法的一类，主要用来做相似图片的搜索工作。图片所包含的特征被用来生成一组指纹（不过它不是唯一的）,而这些指纹是可以进行比较的。

【原理】

下面是简单的步骤，来说明对图像进行PHA的运算过程  ：

第一步，缩小尺寸。

    ​最快速的去除高频和细节，只保留结构明暗的方法就是缩小尺寸。将图片缩小到8x8的尺寸，总共64个像素。摒弃不同尺寸、比例带来的图片差异。

第二步，简化色彩。

    ​将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。

第三步，计算DCT（离散余弦变换）。

    ​DCT是把图片分解频率聚集和梯状形，虽然JPEG使用8*8的DCT变换，在这里使用32*32的DCT变换。

第四步，缩小DCT。

    ​虽然DCT的结果是32*32大小的矩阵，但我们只要保留左上角的8*8的矩阵，这部分呈现了图片中的最低频率。

第五步，计算平均值。

    ​计算所有64个值的平均值。

第六步，进一步减小DCT。

    ​这是最主要的一步，根据8*8的DCT矩阵，设置0或1的64位的hash值，大于等于DCT均值的设为”1”，小于DCT均值的设为“0”。结果并不能告诉我们真实性的低频率，只能粗略地告诉我们相对于平均值频率的相对比例。只要图片的整体结构保持不变，hash结果值就不变。能够避免伽马校正或颜色直方图被调整带来的影响。

第七步，计算哈希值。

    ​将64bit设置成64位的长整型，组合的次序并不重要，只要保证所有图片都采用同样次序就行了。将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了（例如，自左到右、自顶向下、big-endian）。

    ​得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算“汉明距离”（Hammingdistance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。

​【c++代码实现】

#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;
//根据图片生成64位hash码
int CalcImagePerceptualHashKey(InputArray input)
{
    Mat _input = input.getMat();
    Mat pTheImage88=Mat::zeros(Size(8, 8), _input.channels());
    Mat pGrayscaleImage = Mat::zeros(Size(8, 8), 1);
    //将原图处理成8*8的图片
    resize(_input, pTheImage88, Size(8, 8));
    //cvtColor(pTheImage8x8, pGrayscaleImage);
    cvtColor(pTheImage88, pGrayscaleImage, COLOR_RGB2GRAY);
    pTheImage88.release();

    //计算平均值
    float ElementMean = 0;
    for (size_t y = 0; y < 8; y++)
    {
        for (size_t x = 0; x < 8; x++)
        {
            unsigned char elemet = pGrayscaleImage.at<unsigned char>(x, y);
            ElementMean += elemet;
        }
    }
    ElementMean= ElementMean / 64;
    //得到hash值
    int64 HashKey = 0;

    for (size_t y = 0; y < 8; y++)
    {
        for (size_t x = 0; x < 8; x++)
        {
            unsigned char elemet = pGrayscaleImage.at<unsigned char>(x, y);
            if (elemet > ElementMean)
            {
                //向左移一位
                HashKey <<= 1; 
            }
            else 
            {
                //向左移一位
                HashKey <<= 1;
                //最后一位复制为1
                HashKey |= 1;//相当于HashKey =HashKey | 1
            }
        }
    }
    return HashKey;
}
//指纹hash码比对
float CompareImageSimilarity(int64 key1, int64 key2)
{
    //两组hash码对比
    int64 result = key1^key2;
    int count = 0;
    int i = 64;
    while (i--)
    {
        //判断最后一位是否为1，即是否相同
        if ((result & 1) == 1)
            count++;
        //右移一位，进入下一位
        result >>= 1;
    }
    return count == 0 ? 1 : (64 - count) / (float)64;
}

int main()
{
    Mat img1 = imread("1.jpg");
    Mat img2 = imread("2.jpg");

    int64 key1 = CalcImagePerceptualHashKey(img1);
    int64 key2 = CalcImagePerceptualHashKey(img2);

    float lv = CompareImageSimilarity(key1, key2);

    cout << "匹配度：" << lv << endl;
    waitKey(2000);
    system("pause");
    return 0;
}

公总号：