OpenCV 图像哈希类cv::img_hash::AverageHash

  • 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

cv::img_hash::AverageHash是OpenCV中用于图像哈希(Image Hashing)的一个类,属于opencv_img_hash模块。它实现了平均哈希算法(Average Hash, aHash),可以快速计算图像的"指纹"或"感知哈希值",用于判断两张图像是否相似。

主要成员函数

  1. compute(InputArray image, OutputArray code)

计算输入图像的 aHash 哈希值。

cpp 复制代码
void compute(InputArray image, OutputArray code);
  • image: 输入图像(支持 CV_8UC1 或 CV_8UC3)
  • code: 输出的哈希值(类型为 CV_8U 的一维 Mat)
  1. compare(const cv::Mat& code1, const cv::Mat& code2)

比较两个哈希值之间的差异(返回汉明距离)。

cpp 复制代码
double compare(const cv::Mat& code1, const cv::Mat& code2);

返回值越小表示图像越相似(0 表示完全相同)

示例代码

cpp 复制代码
#include <iostream>
#include <opencv2/img_hash.hpp>
#include <opencv2/opencv.hpp>

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/img2.jpg", IMREAD_COLOR );
    Mat img2 = imread( "/media/dingxin/data/study/OpenCV/sources/images/img1.jpg", IMREAD_COLOR );

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

    // 创建 AverageHash 对象
    Ptr< AverageHash > ahash = AverageHash::create();

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

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

    if ( distance < 10 )
    {
        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: 1
图像非常相似!

补充:

汉明距离(Hamming Distance) 是一种用于测量两个等长字符串或数据序列之间差异的度量方法。具体来说,它定义为两个字符串在对应位置上不同字符的数量。对于二进制串(如哈希值),汉明距离就是两个串中不相同位的个数。

在图像哈希中的应用

在图像处理和计算机视觉领域,汉明距离常用于比较两个图像的哈希值(指纹)。例如,在使用感知哈希算法(如 aHash、pHash 等)生成图像的哈希值后,可以通过计算它们之间的汉明距离来衡量这两幅图像的相似度:

  • 汉明距离越小,表示两幅图像越相似。
  • 汉明距离为 0 表示两幅图像完全相同(至少在哈希级别上是相同的)。
  • 如果汉明距离超过某个阈值,则认为两幅图像不相似。

计算汉明距离的方法

假设我们有两个等长的二进制字符串 str1 和 str2,其汉明距离可以通过以下步骤计算:

  • 将两个字符串逐位进行异或操作(XOR),得到一个新的字符串,其中每个位置上的值为 1 表示原两个字符串在此位置上的值不同,为 0 表示相同。
  • 统计新字符串中 1 的数量,即为汉明距离。
相关推荐
浩浩乎@1 小时前
【openGLES】着色器语言(GLSL)
人工智能·算法·着色器
智慧地球(AI·Earth)2 小时前
DeepSeek V3.1 横空出世:重新定义大语言模型的边界与可能
人工智能·语言模型·自然语言处理
金井PRATHAMA2 小时前
语义普遍性与形式化:构建深层语义理解的统一框架
人工智能·自然语言处理·知识图谱
lucky_lyovo2 小时前
大模型部署
开发语言·人工智能·云计算·lua
聚客AI3 小时前
📈超越Prompt Engineering:揭秘高并发AI系统的上下文工程实践
人工智能·llm·agent
北极光SD-WAN组网3 小时前
某电器5G智慧工厂网络建设全解析
人工智能·物联网·5g
十八岁牛爷爷3 小时前
通过官方文档详解Ultralytics YOLO 开源工程-熟练使用 YOLO11实现分割、分类、旋转框检测和姿势估计(附测试代码)
人工智能·yolo·目标跟踪
阿杜杜不是阿木木4 小时前
什么?OpenCV调用cv2.putText()乱码?寻找支持中文的方法之旅
人工智能·opencv·计算机视觉
赴3354 小时前
图像边缘检测
人工智能·python·opencv·计算机视觉
机器视觉知识推荐、就业指导4 小时前
如何消除工业视觉检测中的反光问题
人工智能·计算机视觉·视觉检测