C#实现哈希均值算法处理图片

using System;

using System.Collections.Generic;

using System.Drawing;

using System.Text;

using System.Linq; //list集合的扩展

namespace W

{

// private static Bitmap ZoomImage(Bitmap bitmap, int destHeight, int destWidth)

// {

// try

// {

// System.Drawing.Image sourImage = bitmap;

// int width = 0, height = 0;

// //按比例缩放

// int sourWidth = sourImage.Width;

// int sourHeight = sourImage.Height;

// if (sourHeight > destHeight || sourWidth > destWidth)

// {

// if ((sourWidth * destHeight) > (sourHeight * destWidth))

// {

// width = destWidth;

// height = (destWidth * sourHeight) / sourWidth;

// }

// else

// {

// height = destHeight;

// width = (sourWidth * destHeight) / sourHeight;

// }

// else

// {

// width = sourWidth;

// height = sourHeight;

// }

// Bitmap destBitmap = new Bitmap(destWidth, destHeight);

// Graphics g = Graphics.FromImage(destBitmap);

// g.Clear(Color.Transparent);

// //设置画布的描绘质量

// g.CompositingQuality = System.Drawing.Drawing2D.CompositingQuality.HighQuality;

// g.SmoothingMode = System.Drawing.Drawing2D.SmoothingMode.HighQuality;

// g.InterpolationMode = System.Drawing.Drawing2D.InterpolationMode.HighQualityBicubic;

// g.DrawImage(sourImage, new Rectangle((destWidth - width) / 2, (destHeight - height) / 2, width, height), 0, 0, sourImage.Width, sourImage.Height, GraphicsUnit.Pixel);

// g.Dispose();

// //设置压缩质量

// System.Drawing.Imaging.EncoderParameters encoderParams = new System.Drawing.Imaging.EncoderParameters();

// long[] quality = new long[1];

// quality[0] = 100;

// System.Drawing.Imaging.EncoderParameter encoderParam = new System.Drawing.Imaging.EncoderParameter(System.Drawing.Imaging.Encoder.Quality, quality);

// encoderParams.Param[0] = encoderParam;

// sourImage.Dispose();

// return destBitmap;

// }

// catch

// {

// return bitmap;

// }

////转换为灰度图：

// public static Bitmap ToGray(Bitmap bmp, out int avgGray)

// {

// int sum = 0;

// for (int i = 0; i < bmp.Width; i++)

// {

// for (int j = 0; j < bmp.Height; j++)

// {

// //获取该点的像素的RGB的颜色

// Color color = bmp.GetPixel(i, j);

// //利用公式计算灰度值

// int gray = (int)(color.R * 0.3 + color.G * 0.59 + color.B * 0.11);

// Color newColor = Color.FromArgb(gray, gray, gray);

// sum += gray;

// bmp.SetPixel(i, j, newColor);

// }

// avgGray = sum / (bmp.Width * bmp.Height);

// return bmp;

// }

////灰度指纹：（64位其实可以换成更高位数，比如用16x16，和8x8相比就要用4个64位进行表示）

// Bitmap bmp1 = ZoomImage((Bitmap)img1, 8, 8);

// Bitmap bmp2 = ZoomImage((Bitmap)img2, 8, 8);

// int avgGray1, avgGray2;

// bmp1 = ToGray(bmp1, out avgGray1);

// bmp2 = ToGray(bmp2, out avgGray2);

// UInt64 Hashdis1 = 0;

// UInt64 Hashdis2 = 0;

// UInt64 mask = 1;

// for (int x = 0; x < 8; x++)

// {

// for (int y = 0; y < 8; y++)

// {

// int m = y * 8 + x;

// Color c1 = bmp1.GetPixel(x, y);

// if (c1.R >= avgGray1)

// {

// Hashdis1 |= mask << m;

// }

// Color c2 = bmp1.GetPixel(x, y);

// if (c2.R >= avgGray2)

// {

// Hashdis2 |= mask << m;

// }

////得到汉明距离：

// UInt64 hash= Hashdis1 ^ Hashdis2;

// int Hammingdis = 0;

// for (int i = 0; i < 64; i++)

// {

// if ((hash & (mask << i)) != 0)

// Hammingdis++;

// }

// return Hammingdis;

////两个指纹进行异或运算，求不为0的位数（相异为1）

#region ahash算法

均值哈希的基本思路

1、缩小尺寸:

去除图片的高频和细节的最快方法是缩小图片，将图片缩小到8x8的尺寸，总共64个像素。不要保持纵横比，只需将其变成8乘8的正方形。这样就可以比较任意大小的图片，摒弃不同尺寸、比例带来的图片差异。

2、简化色彩:

将8乘8的小图片转换成灰度图像。

3、计算平均值:

计算所有64个像素的灰度平均值。

4、比较像素的灰度:

将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。

5、计算hash值:

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。

如果图片放大或缩小，或改变纵横比，结果值也不会改变。增加或减少亮度或对比度，或改变颜色，对hash值都不会太大的影响。最大的优点：计算速度快！

那么完成了以上步骤,一张图片就相当于有了自己的"指纹"了,然后就是计算不同位的个数，也就是汉明距离（例如1010001与1011101的汉明举例就是2，也就是不同的个数）。

如果汉明距离小于5，则表示有些不同，但比较相近，如果汉明距离大于10则表明完全不同的图片。

以上就是均值哈希的基本实现思路，总体来说是比较简单的。

————————————————

原文链接：https://blog.csdn.net/jiangjunshow/article/details/100657183

static public class ImageHashHelper

{

static public List mathXList = new List();

static public List mathYList = new List();

///

/// 获取缩略图

///

private static Bitmap GetThumbImage(Image image, int w, int h)

{

Bitmap bitmap = new Bitmap(w, h);

Graphics g = Graphics.FromImage(bitmap);

g.DrawImage(image,

new Rectangle(0, 0, bitmap.Width, bitmap.Height),

new Rectangle(0, 0, image.Width, image.Height), GraphicsUnit.Pixel);

return bitmap;

}

///

/// 将图片转换为灰度图像

///

private static Bitmap ToGray(Bitmap bmp)

{

try

{

Log.write("ImageHashHelper", "GetAvgHash", "bmp.Width;" + bmp.Width + ";bmp.Height:" + bmp.Height);

for (int x = 0; x < bmp.Width; x++)

{

for (int y = 0; y < bmp.Height; y++)

{

//获取该点的像素的RGB的颜色

Color color = bmp.GetPixel(x, y);

//利用公式计算灰度值

int gray = (int)(color.R * 0.3 + color.G * 0.59 + color.B * 0.11);//计算方式1

//int gray1 = (int)((color.R + color.G + color.B) / 3.0M);//计算方式2

Color newColor = Color.FromArgb(gray, gray, gray);

bmp.SetPixel(x, y, newColor);

}

catch (Exception ex)

{

Log.write("ImageHashHelper", "ToGray", "" + ex.ToString());

}

return bmp;

}

///

/// 获取图片的均值哈希

///

/// GetAvgHash函数中获取64个像素的灰度值时直接通过了R来获取，因为RGB都是一样的，所以哪一个都可以。

public static int bitmapl = 32;

public static int bitmapw = 32;

static int bitmaps = bitmapl * bitmapw;

public static int[] GetAvgHash(Bitmap bitmap)

{

int[] code = new int[bitmaps];

try

{

//Log.write("ImageHashHelper", "GetAvgHash", "bitmaps;" + bitmaps + ";bitmapl:" + bitmapl + ";bitmapw:" + bitmapw);

Bitmap newBitmap = ToGray(GetThumbImage(bitmap, bitmapl, bitmapw));

//计算所有64个像素的灰度平均值。

List allGray = new List();

//Log.write("ImageHashHelper", "GetAvgHash", "bitmap.Width;" + newBitmap.Width + ";bitmap.Height:" + newBitmap.Height);

for (int row = 0; row < newBitmap.Width; row++)

{

for (int col = 0; col < newBitmap.Height; col++)

{

allGray.Add(newBitmap.GetPixel(row, col).R);

}

double avg = allGray.Average(a => a);//拿到平均值

//比较像素的灰度

for (int i = 0; i < allGray.Count; i++)

{

code[i] = allGray[i] >= avg ? 1 : 0;//将比较结果进行组合

}

catch (Exception ex)

{

Log.write("ImageHashHelper", "GetAvgHash", "" + ex.ToString());

}

//返回结果

return code;

}

///

/// 获取图片的均值哈希

///

/// GetAvgHash函数中获取64个像素的灰度值时直接通过了R来获取，因为RGB都是一样的，所以哪一个都可以。

public static int[] GetAvgHash(Bitmap bitmap,List lx,List ly)

{

if (lx.Count < 4 || ly.Count < 4) throw new Exception("List lx,ly 必须为四边形的四个点的有效坐标");

int[] code = new int[bitmaps];

try

{

Log.write("ImageHashHelper", "GetAvgHash", "bitmaps;" + bitmaps + ";bitmapl:" + bitmapl + ";bitmapw:" + bitmapw);

Bitmap newBitmap = ToGray(GetThumbImage(bitmap, bitmapl, bitmapw));

//计算所有64个像素的灰度平均值。

List allGray = new List();

Log.write("ImageHashHelper", "GetAvgHash", "bitmap.Width;" + newBitmap.Width + ";bitmap.Height:" + newBitmap.Height);

int codeMack = 0;

for (int row = 0; row < newBitmap.Width; row++)

{

for (int col = 0; col < newBitmap.Height; col++)

{

if (isInTriangle2(lx[0], ly[0], lx[1], ly[1], lx[2], ly[2], row, col) && isInTriangle2(lx[0], ly[0], lx[3], ly[3], lx[2], ly[2], row, col))

{

//标记无效

code[codeMack++] = -1;

allGray.Add(newBitmap.GetPixel(row, col).R);

continue;

}

allGray.Add(newBitmap.GetPixel(row, col).R);

}

double avg = allGray.Average(a => a);//拿到平均值

//比较像素的灰度

for (int i = 0; i < allGray.Count; i++)

{

if( code[codeMack] == -1)continue;

code[i] = allGray[i] >= avg ? 1 : 0;//将比较结果进行组合

}

catch (Exception ex)

{

Log.write("ImageHashHelper", "GetAvgHash", "" + ex.ToString());

}

//返回结果

return code;

}

///

/// 对两个AvgHash进行比较

///

public static int Compare(int[] code1, int[] code2)

{

int v = 0;

for (int i = 0; i < bitmaps; i++)

{

if (code1[i] == code2[i])

{

v++;

}

return v;

}

///

/// 对两个AvgHash进行比较

///

/// 移除了去取均值的功能

public static int getAvg(int[] code)

{

int sum = 0;

for (int i = 0; i < bitmaps; i++)

{

if (code[i] == -1) continue;

sum += code[i];

}

return sum;

}

public static int getAvg4User(Bitmap bitmap)

{

return getAvg(GetAvgHash(bitmap));

}

public static int getAvg4UserInArea(Bitmap bitmap)

{

return getAvg(GetAvgHash(bitmap, mathXList, mathXList));

}

#endregion

#region 判断点是否在四边形内（判断是否为凸四边形）

static double Xproduct(double ax, double ay, double bx, double by, double cx, double cy)

{

return (bx - ax) * (cy - ay) - (cx - ax) * (by - ay);

}

public static bool isInTriangle2(double ax, double ay, double bx, double by, double cx, double cy, double dx, double dy)

{

return (Xproduct(ax, ay, bx, by, dx, dy) >= 0 && Xproduct(bx, by, cx, cy, dx, dy) >= 0 && Xproduct(cx, cy, ax, ay, dx, dy) >= 0) ||

(Xproduct(ax, ay, bx, by, dx, dy) <= 0 && Xproduct(bx, by, cx, cy, dx, dy) <= 0 && Xproduct(cx, cy, ax, ay, dx, dy) <= 0);

}

#endregion

public static void getMathPoint(List pointXList, List pointYList)

{

if (pointYList.Count >= 4 && pointXList.Count >= 4)

{

mathXList = new List();

mathYList = new List();

int maxY = pointYList[0];

int maxX = pointXList[0];

int minX = pointXList[0];

int minY = pointYList[0];

foreach (int i in pointXList)

{

if (i > maxX)

{

maxX = i;

}

if (i < minX)

{

minX = i;

}

foreach (int j in pointYList)

{

if (j > maxY)

{

maxY = j;

}

if (j < minY)

{

minY = j;

}

for (int i = 0; i < pointXList.Count; i++)

{

pointXList[i] -= minX;

}

for (int i = 0; i < pointYList.Count; i++)

{

pointYList[i] -= minY;

}

for (int i = 0; i < pointXList.Count; i++)

{

if (pointXList[i] == 0)

{

mathXList.Add(0);

}

else

{

mathXList.Add(ImageHashHelper.bitmapw * ImageHashHelper.bitmapw / pointXList[i]);

}

for (int i = 0; i < pointYList.Count; i++)

{

if (pointYList[i] == 0)

{

mathYList.Add(0);

}

else

{

mathYList.Add(ImageHashHelper.bitmapl * ImageHashHelper.bitmapl / pointYList[i]);

}

else

{

return;

}

C#实现哈希均值算法处理图片

你可能感兴趣的:(C#实现哈希均值算法处理图片)