[图像处理] 基于图像哈希构建图像相似度对比算法

在基于OpenCV实现图像哈希算法一文中描述了如何通过OpenCV实现图像哈希算法。进一步我们可以基于图像哈希构建图像相似度对比算法（用图像哈希构建相似度对比算法精度不高，粗略筛选还是可以用的）。

1 介绍

基于图像哈希构建图像相似度对比算法本质就是根据两张图像的hash值距离来判断图像是否相似。具体步骤如下：

1. 计算需要检测图像的hash值，存入本地。
2. 从本地读取各个图像的hash值，计算图像间的hash值距离。
3. 图像间的hash值距离小于某个阈值，就是相似图像。

本文通过Python实现图像相似度对比算法，C++版本直接按流程重构代码即可。此外需要OpenCV4 contrib 版本，关于OpenCV-Contrib安装见OpenCV_contrib库在windows下编译使用指南。

下面代码展示4张测试图像，img1和img2是相似的，其他两两不相似。

import cv2,os
from matplotlib import pyplot as plt
# opencv版本
print("current opencv-contrib version is : {}".format(cv2.__version__))

# 图像路径
imgpath = 'img'
for filename in os.listdir(imgpath):
    print(filename)
    filepath= os.path.join(imgpath,filename)
    img = cv2.imread(filepath)
    img = img[:,:,::-1]
    plt.imshow(img)
    plt.axis('off')
    plt.show()

current opencv-contrib version is : 4.5.3
img1.jpg

img2.jpg

img3.jpg

img4.jpg

2 读取图像计算hash值

以下代码用于多线程读取图像计算hash值，这里用的PHash，可以换成其他hash计算算法。因为计算hash值很费时，所以用了生产者消费者模型。1个生产者线程用于读取图像，4个消费者模型计算图像的hash值。计算hash值后，将各个图像的hash用numpy文件的方式存入本地。下次再计算图像hash值，可以跳过已经计算过hash值的图像从而加快运算速度，但是这里把跳过代码放在了消费者函数中，最好放在生产者函数中。

# -*- coding: utf-8 -*-
"""
Created on Wed Aug  4 18:25:51 2021

读取图像计算hash值
@author: luohenyueji
"""

import threading
import queue
import cv2
import os
import numpy as np


# 计算图像hash值
def consume(threadName, q, result):
    while True:
        fileName, img = q.get()
        # 图像不存在已有结果中就重新计算
        # 判断图像是否有hash记录可以读取图像函数中，执行更高效。
        # 放在这里主要是担心图像出问题
        if str(fileName) not in result.keys():
            phashValue = cv2.img_hash.PHash_create().compute(img)
            result[str(fileName)] = phashValue
            print('{} processing img: {}'.format(threadName, fileName))
        q.task_done()


# 读取图像
def produce(threadName, q, imgPath):
    for i in os.listdir(imgPath):
        if i.split('.')[-1].lower() in ['jpg', 'png']:
            fileName = os.path.join(imgPath, i)
            img = cv2.imread(fileName)
            if img is None:
                continue
            q.put([fileName, img])
            print('{} reading img: {}'.format(threadName, fileName))
    q.join()


def main(imgPath, savePath):
    # 结果
    result = {}
    # 读取已有结果加快速度
    if os.path.exists(savePath):
        result = np.load(savePath, allow_pickle=True).item()

    q = queue.Queue()

    # 1个读图线程
    p = threading.Thread(target=produce, args=("producer", q, imgPath))
    # 4个计算线程
    c1 = threading.Thread(target=consume, args=("consumer1", q, result))
    c2 = threading.Thread(target=consume, args=("consumer2", q, result))
    c3 = threading.Thread(target=consume, args=("consumer3", q, result))
    c4 = threading.Thread(target=consume, args=("consumer4", q, result))

    c1.setDaemon(True)
    c2.setDaemon(True)
    c3.setDaemon(True)
    c4.setDaemon(True)

    # 启线程
    p.start()
    c1.start()
    c2.start()
    c3.start()
    c4.start()

    p.join()
    # 保存结果
    np.save(savePath, result)


if __name__ == '__main__':
    # 检测文件夹
    imgPath = "img"
    # 结果保存路径
    savePath = "hash_result.npy"
    main(imgPath, savePath)

producer reading img: img\img1.jpg
consumer1 processing img: img\img1.jpg
producer reading img: img\img2.jpg
consumer2 processing img: img\img2.jpg
producer reading img: img\img3.jpgconsumer3 processing img: img\img3.jpg

producer reading img: img\img4.jpg
consumer4 processing img: img\img4.jpg

3 获得相似图像

获得相似图像就是读取图像hash值，循环遍历计算距离，距离小于给定阈值就是相似图像。这里阈值设置为5。最后相似的图像移动或复制到指定文件夹similarImg。

# -*- coding: utf-8 -*-
"""
Created on Wed Aug  4 19:15:19 2021

获得相似图像
@author: luohenyueji
"""

import cv2
import shutil
import numpy as np
import os


def main(hashPath, savePath, pashThre):
    # 读取图像哈希列表数据
    hashList = np.load(hashPath, allow_pickle=True).item()
    # 创建图像结果保存文件夹
    os.makedirs(savePath, exist_ok=True)

    # pash计算结构
    phashStruct = cv2.img_hash.PHash_create()

    while len(hashList):
        # 取keys
        now_keys = list(hashList.keys())[0]
        # 还剩多少图像
        print("待处理图像{}张".format(len(hashList.keys())))
        nowKeyValue = hashList.pop(now_keys)

        # 相同图像存储
        similarFilename = []

        # 循环计算值
        for keys in hashList:
            pashValue = phashStruct.compare(nowKeyValue, hashList[keys])
            if pashValue <= pashThre:
                similarFilename.append(keys)
        try:
            # 移动图像
            if len(similarFilename) > 0:

                # 获得关键key名字
                nowKeyFilename = os.path.basename(now_keys)
                # 创建的保存文件路径
                saveFilePath = os.path.join(savePath, nowKeyFilename[:-4])
                os.makedirs(saveFilePath, exist_ok=True)
                # 移动关键keys图像
                # shutil.move(now_keys,os.path.join(saveFilePath,nowKeyFilename))

                # 从字典中移除值，并移动或者复制图像
                for i in similarFilename:
                    hashList.pop(i)
                    # 获得key名字
                    keyFilename = os.path.basename(i)
                    # 复制图像，移动图像就把copy改为move
                    shutil.copy(i, os.path.join(saveFilePath, keyFilename))
        except:
            continue


if __name__ == '__main__':
    # hash文件路径
    hashPath = "hash_result.npy"
    savePath = "similarImg"
    # hash距离低于该值的都判定为相似图像
    pashThre = 5
    main(hashPath, savePath, pashThre)

待处理图像4张
待处理图像2张
待处理图像1张

运行代码结果如下图所示。第一张图像表示similarImg文件夹中最后结果只有img1图像有相似图像。第二张图像表示与img1相似的图像只有img2。

4 参考

• 基于OpenCV实现图像哈希算法
• OpenCV_contrib库在windows下编译使用指南