在PHP或Python中以可视方式检查图像重复和损坏的图像

Question

我希望在这里找到一些关于图像处理的帮助。

虽然我使用的是PHP，但我并不熟悉Python。 虽然我听说Python对于图像比较，调整大小等“更好”

现在，我正在寻找一个将图像与MySQL数据库进行比较的程序 为了找到类似的图像。 如果相似度高于某个数量（百分比？），则会将其标记为可能的副本。

接下来，我还要创建一个程序（在dupe-check之前运行），该程序应检查图像是否已损坏/不完整。

我查看了StackOverflow，但只找到了2008/2009年的答案， 而且我认为现在可能有一种更有效或更有效的做事方式。

感谢您花时间阅读本文，如果您碰巧回复我的问题，请提前致谢。 ：）

修改 我注意到eyeBuy SDK“如何将边缘检测，颜色，强度和对比度信息组合成一个字符串”。这对我的重复图像检测是一个很好的解决方案吗？

Answer 1

试图找出相似的照片在不同的光线，角度，视角下的相似程度需要很多算法，我认为这些算法在你的情况下是不必要的。没有简单的方法可以做到这一点。

但是，如果你有不同的图像，你调整大小或修改一点点，提到的脚本 Artjom Kurapov 将作为一个起点帮助你。如果您的数据库还包含 duplicates ，我会先尝试使用 MD5 进行比较，然后再尝试其他任何内容。

您应该使用一个简单的数据库来计算md5哈希，记录到数据库并在数据库中搜索匹配，否则对于每个文件，您必须通过整个数据库，这将大大增加处理时间

如果您不想处理每个文件的整个图像数据库，您还需要从脚本中创建某种序列化，以便保存记录。

Answer 2

如上所述，可以处理不同观点的算法将非常困难。它是许多（学术）研究的焦点。

简单的开始，您可以查看Python phash。

一个简单的基于DCT的算法，它对噪声和比例具有合理的弹性，可以做到以下几点：

1. 将图像转换为灰度
2. 将图像压缩为缩略图大小，例如[32x32]
3. 运行二维离散余弦变换
4. 保持左上角[8 x 8]，最重要的低频成分
5. 根据组件的符号对块进行二值化
6. 结果是64位哈希

这个主题的变体是

1. 将图像转换为灰度
2. 可选择重新调整大小为预定义的大小。
3. 以固定数量的块分区图像
4. 确定全球平均值
5. 确定每个区块的本地平均值
6. 对于散列，如果本地均值大于或小于全局均值，则每个块写出1或0，待定。