OpenCV多种图像哈希算法的实现比较

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

OpenCV提供用于提取图像哈希值的算法，以及在大规模数据集中快速找出最相似图像的方法。

所有函数的命名空间为：cv::img_hash。

支持的算法：

平均哈希（也称为差分哈希）Average hash (also called Different hash)
PHash（也称为感知哈希）PHash (also called Perceptual hash)
Marr Hildreth 哈希 Marr Hildreth Hash
径向方差哈希 Radial Variance Hash
分块均值哈希（支持模式 0 和 1）Block Mean Hash (modes 0 and 1)
颜色矩哈希 Color Moment Hash
（这是目前唯一一个对旋转攻击具有抗性的哈希算法（-90~90 度））

你可以通过以下论文和网站了解更多关于图像哈希的内容：

"Implementation and benchmarking of perceptual image hash functions" 310
"Looks Like It" 145

示例代码

cpp 复制代码

#include "opencv2/core.hpp"
#include "opencv2/core/ocl.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/img_hash.hpp"
#include <iostream>

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

template < typename T > inline void test_one( const std::string& title, const Mat& a, const Mat& b )
{
    cout << "=== " << title << " ===" << endl;
    TickMeter tick;
    Mat hashA, hashB;
    Ptr< ImgHashBase > func;
    func = T::create();
    tick.reset();
    tick.start();
    func->compute( a, hashA );
    tick.stop();
    cout << "compute1: " << tick.getTimeMilli() << " ms" << endl;
    tick.reset();
    tick.start();
    func->compute( b, hashB );
    tick.stop();
    cout << "compute2: " << tick.getTimeMilli() << " ms" << endl;
    cout << "compare: " << func->compare( hashA, hashB ) << endl << endl;
    ;
}

int main( int argc, char** argv )
{
    ocl::setUseOpenCL( false );
    Mat input  = imread( "/media/dingxin/data/study/OpenCV/sources/images/img1.jpg");
    Mat target = imread( "/media/dingxin/data/study/OpenCV/sources/images/img1.jpg");
    test_one< AverageHash >( "AverageHash", input, target );
    test_one< PHash >( "PHash", input, target );
    test_one< MarrHildrethHash >( "MarrHildrethHash", input, target );
    test_one< RadialVarianceHash >( "RadialVarianceHash", input, target );
    test_one< BlockMeanHash >( "BlockMeanHash", input, target );
    return 0;
}

运行结果

bash 复制代码

=== AverageHash ===
compute1: 22.391 ms
compute2: 0.01228 ms
compare: 0

=== PHash ===
compute1: 0.048038 ms
compute2: 0.028032 ms
compare: 0

=== MarrHildrethHash ===
compute1: 40.5077 ms
compute2: 7.61326 ms
compare: 0

=== RadialVarianceHash ===
compute1: 0.640129 ms
compute2: 0.670026 ms
compare: 1

=== BlockMeanHash ===
compute1: 0.173648 ms
compute2: 0.169781 ms
compare: 0

不同攻击下的性能表现

性能图表

与 PHash 库的速度比较（来自 ukbench 的 100 张图像）

哈希计算图表

哈希比较图表如你所见，img_hash 模块的哈希计算速度远超 PHash 库。

附注：我没有列出平均哈希、PHash 和颜色矩哈希的比较，因为在 PHash 库中找不到它们。

动机

将有用的图像哈希算法集成到 OpenCV 中，这样我们就无需反复重写这些算法或依赖第三方库（例如 PHash 库）。BOVW（Bag of Visual Words）或相关匹配虽然好且鲁棒，但与图像哈希相比非常慢。如果你需要处理大规模基于内容的图像检索（CBIR）问题，图像哈希是一个更为合理的解决方案。

更多信息

你可以从以下链接了解更多关于 img_hash 模块的信息。这些链接展示了如何从 ukbench 数据集中找到相似图像，并提供了对不同类型攻击（对比度、模糊、噪声（高斯、椒盐）、JPEG 压缩、水印、调整大小）的全面基准测试。

OpenCV 图像哈希模块简介
 加速OpenCV图像哈(img_hash）并介绍颜色矩哈希

贡献者

Tham Ngap Wei, thamngapwei@gmail.com