此模組提供了多種影像雜湊演算法的實作。

詳細描述

提供用於提取影像雜湊值的演算法，以及在龐大資料集中快速找出極度相似影像的方法。

所有函式的命名空間（Namespace）為 cv::img_hash。

支援的演算法

• 平均雜湊 (Average hash)（亦稱為差異雜湊 Different hash）
• PHash（亦稱為感知雜湊 Perceptual hash）
• Marr-Hildreth 雜湊
• 徑向變異雜湊 (Radial Variance Hash)
• 區塊均值雜湊 (Block Mean Hash)（模式 0 與 1）
• 色彩矩雜湊 (Color Moment Hash)（這是唯一能抵抗旋轉攻擊（-90~90 度）的雜湊演算法）

您可以透過以下論文與網站進一步學習影像雜湊

• "Implementation and benchmarking of perceptual image hash functions" [320]
• "Looks Like It" [155]

程式碼範例

#include "opencv2/core.hpp"
#include "opencv2/core/ocl.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/img_hash.hpp"
 
#include <iostream>
 
using namespace cv;
using namespace cv::img_hash;
using namespace std;
 
template <typename T>
inline void test_one(const std::string &title, const Mat &a, const Mat &b)
{
cout << "=== " << title << " ===" << endl;
    TickMeter tick;
    Mat hashA, hashB;
    Ptr<ImgHashBase> func;
func = T::create();
 
tick.reset(); tick.start();
func->compute(a, hashA);
tick.stop();
cout << "compute1: " << tick.getTimeMilli() << " ms" << endl;
 
tick.reset(); tick.start();
func->compute(b, hashB);
tick.stop();
cout << "compute2: " << tick.getTimeMilli() << " ms" << endl;
 
cout << "compare: " << func->compare(hashA, hashB) << endl << endl;;
}
 
int main(int argc, char **argv)
{
    if (argc != 3)
    {
cerr << "必須輸入輸入影像與目標影像的路徑。範例 : hash_samples lena.jpg lena2.jpg" << endl;
        return -1;
    }
ocl::setUseOpenCL(false);
 
    Mat input = imread(argv[1]);
    Mat target = imread(argv[2]);
 
test_one<AverageHash>("AverageHash", input, target);
test_one<PHash>("PHash", input, target);
test_one<MarrHildrethHash>("MarrHildrethHash", input, target);
test_one<RadialVarianceHash>("RadialVarianceHash", input, target);
test_one<BlockMeanHash>("BlockMeanHash", input, target);
 
    return 0;
}

不同攻擊下的效能

效能圖表

與 PHash 函式庫的速度比較（來自 ukbench 的 100 張影像）

如您所見，img_hash 模組的雜湊計算速度遠優於 PHash 函式庫。

註：我沒有列出平均雜湊、PHash 和色彩矩雜湊的比較，因為我在 PHash 中找不到它們。

動機

將實用的影像雜湊演算法整合進 OpenCV，讓我們不需要一遍又一遍地重新編寫，或依賴其他第三方函式庫（例如：PHash 函式庫）。BOVW 或相關性匹配雖然不錯且穩健，但相較於影像雜湊，它們的速度非常緩慢。如果您需要處理大規模的 CBIR（基於內容的影像檢索）問題，影像雜湊是更合理的解決方案。

更多資訊

您可以透過下列連結深入了解 img_hash 模組，這些連結展示了如何從 ukbench 資料集中找出相似影像，並針對各種攻擊（對比度、模糊、雜訊（高斯、椒鹽）、JPEG 壓縮、浮水印、縮放）提供了詳盡的效能評測。

OpenCV 影像雜湊模組介紹 加速 OpenCV(img_hash) 的影像雜湊並介紹色彩矩雜湊

貢獻者

Tham Ngap Wei, thamn.nosp@m.gapw.nosp@m.ei@gm.nosp@m.ail..nosp@m.com

類別
class	cv::img_hash::AverageHash
	計算輸入影像的平均雜湊值。更多資訊...
class	cv::img_hash::BlockMeanHash
	基於區塊均值的影像雜湊。更多資訊...
class	cv::img_hash::ColorMomentHash
	基於色彩矩的影像雜湊。更多資訊...
class	cv::img_hash::ImgHashBase
	影像雜湊演算法的基礎類別。更多資訊...
class	cv::img_hash::MarrHildrethHash
	基於 Marr-Hildreth 算子的雜湊，速度最慢但區分能力較強。更多資訊...
class	cv::img_hash::PHash
	pHash 更多資訊...
class	cv::img_hash::RadialVarianceHash
	基於 Radon 轉換的影像雜湊。更多資訊...

列舉
列舉	cv::img_hash::BlockMeanHashMode {   cv::img_hash::BLOCK_MEAN_HASH_MODE_0 = 0 ,   cv::img_hash::BLOCK_MEAN_HASH_MODE_1 = 1 }

函式
void	cv::img_hash::averageHash (cv::InputArray inputArr, cv::OutputArray outputArr)
	透過單一呼叫計算 img_hash::AverageHash。
void	cv::img_hash::blockMeanHash (cv::InputArray inputArr, cv::OutputArray outputArr, int mode=BLOCK_MEAN_HASH_MODE_0)
	計算輸入影像的區塊均值雜湊。
void	cv::img_hash::colorMomentHash (cv::InputArray inputArr, cv::OutputArray outputArr)
	計算輸入的色彩矩雜湊，該演算法源自論文 "Perceptual Hashing for Color Images Using Invariant Moments"。
void	cv::img_hash::marrHildrethHash (cv::InputArray inputArr, cv::OutputArray outputArr, float alpha=2.0f, float scale=1.0f)
	計算輸入影像的平均雜湊值。
void	cv::img_hash::pHash (cv::InputArray inputArr, cv::OutputArray outputArr)
	計算輸入影像的 pHash 值。
void	cv::img_hash::radialVarianceHash (cv::InputArray inputArr, cv::OutputArray outputArr, double sigma=1, int numOfAngleLine=180)
	計算輸入影像的徑向變異雜湊。

列舉類型文件

BlockMeanHashMode

enum cv::img_hash::BlockMeanHashMode

#include <opencv2/img_hash/block_mean_hash.hpp>

列舉值
BLOCK_MEAN_HASH_MODE_0  Python: cv.img_hash.BLOCK_MEAN_HASH_MODE_0	使用較少的區塊並生成 16*16/8 uchar 雜湊值
BLOCK_MEAN_HASH_MODE_1  Python: cv.img_hash.BLOCK_MEAN_HASH_MODE_1	使用區塊區塊（步長/2），生成 31*31/8 + 1 uchar 雜湊值

函式文件

averageHash()

void cv::img_hash::averageHash	(	cv::InputArray	inputArr,
		cv::OutputArray	outputArr )

Python
	cv.img_hash.averageHash(	inputArr[, outputArr]	) ->	outputArr

#include <opencv2/img_hash/average_hash.hpp>

透過單一呼叫計算 img_hash::AverageHash。

參數

inputArr	欲計算雜湊值的輸入影像，類型應為 CV_8UC4、CV_8UC3 或 CV_8UC1。
outputArr	輸入的雜湊值，它將包含 16 個十六進位數字，回傳類型為 CV_8U

blockMeanHash()

void cv::img_hash::blockMeanHash	(	cv::InputArray	inputArr,
		cv::OutputArray	outputArr,
		int	mode = BLOCK_MEAN_HASH_MODE_0 )

Python
	cv.img_hash.blockMeanHash(	inputArr[, outputArr[, mode]]	) ->	outputArr

#include <opencv2/img_hash/block_mean_hash.hpp>

計算輸入影像的區塊均值雜湊。

參數

inputArr	欲計算雜湊值的輸入影像，類型應為 CV_8UC4、CV_8UC3 或 CV_8UC1。
outputArr	輸入的雜湊值，它將包含 16 個十六進位數字，回傳類型為 CV_8U
mode	該模式

colorMomentHash()

void cv::img_hash::colorMomentHash	(	cv::InputArray	inputArr,
		cv::OutputArray	outputArr )

Python
	cv.img_hash.colorMomentHash(	inputArr[, outputArr]	) ->	outputArr

#include <opencv2/img_hash/color_moment_hash.hpp>

計算輸入的色彩矩雜湊，該演算法源自論文 "Perceptual Hashing for Color Images Using Invariant Moments"。

參數

inputArr	欲計算雜湊值的輸入影像，類型應為 CV_8UC4、CV_8UC3 或 CV_8UC1。
outputArr	42 個類型為 CV_64F(double) 的雜湊值

marrHildrethHash()

void cv::img_hash::marrHildrethHash	(	cv::InputArray	inputArr,
		cv::OutputArray	outputArr,
		float	alpha = 2.0f,
		float	scale = 1.0f )

Python
	cv.img_hash.marrHildrethHash(	inputArr[, outputArr[, alpha[, scale]]]	) ->	outputArr

#include <opencv2/img_hash/marr_hildreth_hash.hpp>

計算輸入影像的平均雜湊值。

參數

inputArr	欲計算雜湊值的輸入影像，類型應為 CV_8UC4、CV_8UC3、CV_8UC1。
outputArr	輸入的雜湊值，它將包含 16 個十六進位數字，回傳類型為 CV_8U
alpha	Marr 小波的整數比例因子（預設=2）。
scale	比例因子的層級（預設=1）

pHash()

void cv::img_hash::pHash	(	cv::InputArray	inputArr,
		cv::OutputArray	outputArr )

Python
	cv.img_hash.pHash(	inputArr[, outputArr]	) ->	outputArr

#include <opencv2/img_hash/phash.hpp>

計算輸入影像的 pHash 值。

參數

inputArr	欲計算雜湊值的輸入影像，類型應為 CV_8UC4、CV_8UC3、CV_8UC1。
outputArr	輸入的雜湊值，它將包含 8 個 uchar 值

radialVarianceHash()

void cv::img_hash::radialVarianceHash	(	cv::InputArray	inputArr,
		cv::OutputArray	outputArr,
		double	sigma = 1,
		int	numOfAngleLine = 180 )

Python
	cv.img_hash.radialVarianceHash(	inputArr[, outputArr[, sigma[, numOfAngleLine]]]	) ->	outputArr

#include <opencv2/img_hash/radial_variance_hash.hpp>

計算輸入影像的徑向變異雜湊。

參數

inputArr	欲計算雜湊值的輸入影像，類型應為 CV_8UC4、CV_8UC3、CV_8UC1。
outputArr	輸入的雜湊值
sigma	高斯核心標準差
numOfAngleLine	考慮的角度數量