Android实现图片相似度
Android实现图片相似度
最近公司有一个需求,就是希望能判断用户提交的照片是否是身份证的正面或者反面。可以通过预设一张拍摄清晰的身份证正面或者反面,来对比是否相似,那么问题就转化为如何计算两张图片相似度。找到一篇阮一峰老师当年的博客 很有启发,于是根据他说的每一步用Android里的方法来实现。
第一步,缩小尺寸。
将图片缩小到8x8的尺寸,总共64个像素。这一步的作用是去除图片的细节,只保留结构、明暗等基本信息,摒弃不同尺寸、比例带来的图片差异。
Bitmap bitmap8 = ThumbnailUtils.extractThumbnail(bitmapOriginal, 8, 8);
第二步,简化色彩。
将缩小后的图片,转为64级灰度。也就是说,所有像素点总共只有64种颜色。
public static Bitmap convertGreyImg(Bitmap img) { int width = img.getWidth(); //获取位图的宽 int height = img.getHeight(); //获取位图的高 int[] pixels = new int[width * height]; //通过位图的大小创建像素点数组 img.getPixels(pixels, 0, width, 0, 0, width, height); int alpha = 0xFF << 24; for (int i = 0; i < height; i++) { for (int j = 0; j < width; j++) { int original = pixels[width * i + j]; int red = ((original & 0x00FF0000) >> 16); int green = ((original & 0x0000FF00) >> 8); int blue = (original & 0x000000FF); int grey = (int) ((float) red * 0.3 + (float) green * 0.59 + (float) blue * 0.11); grey = alpha | (grey << 16) | (grey << 8) | grey; pixels[width * i + j] = grey; } } Bitmap result = Bitmap.createBitmap(width, height, Bitmap.Config.RGB_565); result.setPixels(pixels, 0, width, 0, 0, width, height); return result; }
第三步,计算平均值。
计算所有64个像素的灰度平均值。
public static int getAvg(Bitmap img) { int width = img.getWidth(); int height = img.getHeight(); int[] pixels = new int[width * height]; img.getPixels(pixels, 0, width, 0, 0, width, height); int avgPixel = 0; for (int pixel : pixels) { avgPixel += pixel; } return avgPixel / pixels.length; }
第四步,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。
public static String getBinary(Bitmap img, int average) { StringBuilder sb = new StringBuilder(); int width = img.getWidth(); int height = img.getHeight(); int[] pixels = new int[width * height]; img.getPixels(pixels, 0, width, 0, 0, width, height); for (int i = 0; i < height; i++) { for (int j = 0; j < width; j++) { int original = pixels[width * i + j]; if (original >= average) { pixels[width * i + j] = 1; } else { pixels[width * i + j] = 0; } sb.append(pixels[width * i + j]); } } return sb.toString(); }
第五步,计算哈希值。
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。
下面是得到16位16进制的字符串,作为该图片的消息指纹
public static String binaryString2hexString(String bString) { if (bString == null || bString.equals("") || bString.length() % 8 != 0) return null; StringBuilder sb = new StringBuilder(); int iTmp; for (int i = 0; i < bString.length(); i += 4) { iTmp = 0; for (int j = 0; j < 4; j++) { iTmp += Integer.parseInt(bString.substring(i + j, i + j + 1)) << (4 - j - 1); } sb.append(Integer.toHexString(iTmp)); } return sb.toString下面是两张图片的消息指纹比较的方法
static void diff(String s1, String s2) { char[] s1s = s1.toCharArray(); char[] s2s = s2.toCharArray(); int diffNum = 0; for (int i = 0; i<s1s.length; i++) { if (s1s[i] != s2s[i]) { diffNum++; } } System.out.println("diffNum="+diffNum); }至此关键代码都在这里了。
我拍照片试验了几次,以下是部分结果:
Str64->16=81000081e9ff0000 Str64->16=01800049e1ff0000 Str64->16=10000d41ebff8000 Str64->16=fdff47e80020231b Str64->16=ffffcfb80028031b Str64->16=ffff4fee0408031b Str64->16=040c7104000e7fff Str64->16=0b1b999f0300052f Str64->16=0b1b99c1014005271、2、3行,4、5、6行,8、9行是大致同一个位置(手持手机,尽量保持同一个位置),第7行是其他位置,说明结果还是比较靠谱的,个人认为
diff(s1, s2)
方法结果在1~5说明两张照片极其相似,6~10说明较为相似,10以上说明不相似
(相关代码在我的github上)