OpenCV哈希算法------Marr-Hildreth 边缘检测哈希算法

操作系统：ubuntu22.04
OpenCV版本：OpenCV4.9
IDE:Visual Studio Code
编程语言：C++11

算法描述

该类实现了 Marr-Hildreth 边缘检测哈希算法（Marr-Hildreth Hash），用于图像相似性比较。它基于 Marr-Hildreth 边缘检测器（也称为 Laplacian of Gaussian, LoG）提取图像边缘信息，并生成二进制哈希值。

这种哈希方法对图像中的边缘结构非常敏感，适合用于：

图像检索
图像去重
检测图像是否经过裁剪、旋转或轻微变形

公共成员函数

compute(InputArray inputArr, OutputArray outputArr)

计算输入图像的 Marr-Hildreth 哈希值。

参数说明：

参数	类型	描述
inputArr	InputArray	输入图像，支持灰度图 (CV_8UC1) 或彩色图 (CV_8UC3)
outputArr	OutputArray	输出的哈希值，类型为 CV_8U 的一维 Mat
示例：

cpp 复制代码

Mat hash;
marr_hash->compute(image, hash);

compare(const Mat& hashOne, const Mat& hashTwo)

比较两个哈希值之间的差异，返回汉明距离（Hamming Distance）。

参数说明：

参数	类型	描述
hashOne	const Mat&	第一个哈希值
hashTwo	const Mat&	第二个哈希值
返回值：

返回两个哈希之间的汉明距离
值越小表示图像越相似

示例：

cpp 复制代码

double distance = marr_hash->compare(hash1, hash2);
if (distance < threshold) {
    std::cout << "图像相似" << std::endl;
}

代码示例

cpp 复制代码

#include <opencv2/opencv.hpp>
#include <opencv2/img_hash.hpp>
#include <iostream>

using namespace cv;
using namespace cv::img_hash;
using namespace std;

int main()
{
    // 加载图像（支持彩色图或灰度图）
    Mat img1 = imread("/media/dingxin/data/study/OpenCV/sources/images/img1.jpg", IMREAD_COLOR);
    Mat img2 = imread("/media/dingxin/data/study/OpenCV/sources/images/img2.jpg", IMREAD_COLOR);

    if (img1.empty() || img2.empty()) {
        cerr << "无法加载图像！" << endl;
        return -1;
    }

    // 创建 MarrHildrethHash 对象（可选参数 sigma）
    Ptr<MarrHildrethHash> marr_hash = MarrHildrethHash::create(1.2); // sigma = 1.2

    // 计算哈希值
    Mat hash1, hash2;
    marr_hash->compute(img1, hash1);
    marr_hash->compute(img2, hash2);

    // 比较哈希值（返回汉明距离）
    double distance = marr_hash->compare(hash1, hash2);
    cout << "汉明距离: " << distance << endl;

    if (distance < 10) {  // 可根据实际调整阈值
        cout << "图像非常相似！" << endl;
    } else {
        cout << "图像不相似。" << endl;
    }

    return 0;
}

运行结果

bash 复制代码

汉明距离: 9
图像非常相似！