ImageHash hat einen Brummabstand von ** 0 ** für dasselbe Bild und ** 1 bis 10 ** für möglicherweise ähnliche Bilder. Bestätigen Sie erneut, ob ähnliche Bilder nur mit ImageHash erkannt werden können.
Hash benutzt Dhush.
Referenz: https://tech.unifa-e.com/entry/2017/11/27/111546
sample.py
import imagehash
from PIL import Image
hash1 = imagehash.dhash(Image.open('./images/001.png'))
hash2 = imagehash.dhash(Image.open('./images/002.png'))
hash3 = imagehash.dhash(Image.open('./images/003.png'))
print(hash1, hash2, hash3)
print('001.png:002.png - {}'.format(hash1 - hash2))
print('001.png:003.png - {}'.format(hash1 - hash3))
print('002.png:003.png - {}'.format(hash2 - hash3))
Die folgenden Bilder werden in diesem Programm verwendet. 002.png und 003.png wählen ähnliche Bilder, 001.png hat eine andere Pose, aber die Komposition mit dem Charakter in der Mitte ist dieselbe.
1 | 2 | 3 |
---|---|---|
001.png | 002.png | 003.png |
Die Brummabstände von 001.png und anderen Bildern betragen 16 bzw. 12, was sehr unterschiedlich ist. Der Brummabstand beträgt 8 für 002.png und 003.png. Normalerweise sind "1 bis 10" möglicherweise ähnliche Bilder, aber da es sich um völlig unterschiedliche Bilder handelt, kann davon ausgegangen werden, dass sie falsch positiv sind. Wie in Neulich veröffentlicht erwähnt, kann gesagt werden, dass es schwierig ist, ähnliche Bilder nur mit Bild-Hash zu beurteilen.
3868e0f870706979 a269e8e8f0f4f070 b860e0e8f1f0f070
001.png:002.png - 16
001.png:003.png - 12
002.png:003.png - 8