Question

我正处于项目的可行性研究阶段，想知道是否可以使用Machine Vision执行以下操作：

如果我想查看两个文件是否相同，则可以在文件上使用各种哈希函数（例如sha1或md5）并存储结果在数据库中。

但是，如果我有两张图像，其中image 1的质量为90％，image 2的质量为100％，则这将不起作用，因为它们具有不同的哈希值。

使用机器视觉，是否可以“查看”图像并从中创建签名，以便在遇到另一个图像时，我们可以说“系统中已经有该图像”，如果是，，不理会新图片，如果不保存，保存图片吗？

我知道您可以在两个已知图像之间执行机器视觉比较，例如：

https://www.pyimagesearch.com/2014/09/15/python-compare-two-images/

（不幸的是，里面有很多代码，所以我不能简单地粘贴在这里作为参考）

但是通过图像比较的图像将非常昂贵。

谢谢

Answer 1

python提供了名为：imagehash的模块：

imagehash-对以下图像进行编码。

from PIL import Image
import imagehash

hash = imagehash.average_hash(Image.open('./image_1.png'))
print(hash)
# d879f8f89b1bbf

otherhash = imagehash.average_hash(Image.open('./image_2.png'))
print(otherhash)
# ffff3720200ffff

print(hash == otherhash)
# False
print(hash)

上面的

是python代码，如果图像相同，则将显示“ true”，如果图像不同，则将显示“ false”。谢谢。

Answer 2

我不是90％和100％的意思。它们是否使用JPEG压缩图像质量？无论如何，您可以使用多种方法来匹配图像，例如仅使用图像处理方法，例如SIFT，SURF，BRISK，ORB，FREAK或机器学习方法，例如Siamese networks。但是，它们对于简单的计算机运行（在我的由core-i7 2670QM驱动的计算机上，对于2兆像素的匹配，从100到2000 ms）运行很繁重，尤其是如果您在没有并行性的情况下运行它们（没有GPU，AVX，.. ），特别是最后一个。

对于散列，您也可以使用perceptual hash functions。它们被广泛用于查找在线版权侵权案件以及digital forensics中，因为它们具有散列之间具有相关性的功能，因此可以找到相似的数据（例如，具有不同的水印）[1]。另外，您可以search copy move forgery并阅读其周围的论文，并查看如何找到相似的图像。

机器视觉-散列图像

2 个答案: