python以图搜图api_以图搜图（二）：python dHash算法

different Hash算法

dHash中文叫差异哈希算法，在对图片进行哈希转换时，通过左右两个像素大小的比较，得到最终哈希序列。相比于aHash算法。dHash速度快，判断效果也要好。

实现过程

缩小尺寸。将图片缩小为9*8大小，此时照片有72个像素点。

灰度化处理。

计算差异值，获得最后哈希值(与aHash主要区别处)。比较每行左右两个像素，如果左边的像素比右边的更亮(左边像素值大于右边像素值)，则记录为1，否则为0。因为每行有9个像素，左右两个依次比较可得出8个值，所以8行像素共可以得出64个值，因此此时哈希值为长度是64的0-1序列。

将64位哈希值序列4个4个分割，转为十六进制。

图片配对，计算汉明距离。

python代码实现

from PIL import Image

import numpy as np

# 得到哈希值

def Get_hash(img):

hash = ''

image = Image.open(img)

image = np.array(image.resize((9, 8), Image.ANTIALIAS).convert('L'), 'f') # 9*8缩放，'f'表示整个数组都是float32类型

# 该遍历方法正好是234个像素

for i in range(8):

for j in range(8):

if image[i, j] > image[i, j + 1]:

hash += '1'

else:

hash += '0'

print(hash)

hash = ''.join(map(lambda x: '%x' % int(hash[x: x + 4], 2), range(0, 64, 4))) # %x：转换无符号十六进制

return hash

# 得到汉明距离

def Get_Hamming(hash1, hash2):

Hamming = 0

for i in range(len(hash1)):

if hash1[i] != hash2[i]:

Hamming += 1

return Hamming

def run():

hash1 = Get_hash(r'D:\cjk1.png')

hash2 = Get_hash(r'D:\cjk2.png')

Hamming = Get_Hamming(hash1, hash2)

print(hash1)

print(hash2)

print(Hamming)

run()

image.png