javascript - JS - 如何检查 2 个图像(它们的哈希值)是否相似

Question

目标
找到一种好方法来检查 2 个图像是否相似，比较它们的哈希配置文件。哈希是一个简单的数组，包含0 和 1 值。

简介
我有 2 张图片。它们是相同的图像，但有一些微小差异:其中一个具有不同的亮度、旋转和镜头。
我想要做的是创建一个 Javascript 方法来比较两个图像并计算一个百分比值来告诉它们有多相似。

我做了什么
将 2 个图像上传到 html5 Canvas 以获取其图像数据后，我使用 pHash 算法 (www.phash.org) 获取其哈希值 表示。
哈希是一个包含 0 和 1 值的数组，以“简化”形式重新创建图像。
我还创建了一个 JS 脚本，该脚本生成一个带有黑色单元格的 html 表格，其中数组包含 1。
结果是以下屏幕截图(该图像是梵高的图片):

Screenshot

现在，我应该做的是比较两个数组以获得百分比值，以了解它们“有多少”相似。
我在谷歌搜索中发现的大部分哈希 Javascript 算法已经有一个比较算法:汉明距离算法。它非常简单和快速，但不是很精确。事实上，汉明距离算法表明我的屏幕截图中的 2 个图像具有 67% 的相似度。

问题
从 2 个简单数组开始，长度相同，填充 0 和 1 值:什么是更精确地确定相似性的好算法？

注释
- 纯Javascript开发，无第三方插件或框架。
- 当两张图像相同但差异很大(强烈旋转、完全不同的颜色等)时，无需复杂的算法即可找到正确的相似性。

谢谢

PHASH 代码

  // Size is the image size (for example 128px)
  var pixels = [];

  for (var i=0;i<imgData.data.length;i+=4){
			
      var j = (i==0) ? 0 : i/4;
			var y = Math.floor(j/size);
			var x = j-(y*size);			
			
			var pixelPos = x + (y*size);
			var r = imgData.data[i];
			var g = imgData.data[i+1];
			var b = imgData.data[i+2];

			var gs = Math.floor((r*0.299)+(g*0.587)+(b*0.114));
			pixels[pixelPos] = gs;
      
  }

  var avg = Math.floor( array_sum(pixels) / pixels.length );
  var hash = [];
  array.forEach(pixels, function(px,i){
    if(px > avg){
      hash[i] = 1;
    } else{
      hash[i] = 0;
    }
  });

  return hash;

汉明距离代码

  // hash1 and hash2 are the arrays of the "coded" images.
  
  var similarity = hash1.length;
  
  array.forEach(hash1, function(val,key){
    if(hash1[key] != hash2[key]){
      similarity--;
    }
  });

  var percentage = (similarity/hash1.length*100).toFixed(2);

注意:array.forEach 不是纯 JavaScript。将其视为以下内容的替代: for (var i = 0; i < array.length; i++)。

Answer 1

我正在使用blockhash，到目前为止看起来相当不错，我得到的唯一误报是当一半的图片具有相同的背景颜色时，这是预期的=/

http://blockhash.io/

BlockHash 可能比你的慢，但它应该更准确。

您所做的只是计算每个像素的灰度，然后将其与平均值进行比较以创建散列。

BlockHash 的作用是将图片分割成大小相等的小矩形，并对其中像素的 RGB 值的总和进行平均，并将它们与 4 个水平中位数进行比较。

所以花费的时间较长是正常的，但仍然相当高效和准确。

我使用分辨率较高的图片(至少 1000x800)并使用 16 位来实现此目的。这给出了 64 个字符长的十六进制哈希值。当使用同一库提供的汉明距离时，我在使用 10 相似度阈值时看到了良好的结果。

你使用灰度的想法一点也不坏。但是您应该平均图像的各个部分，而不是比较每个像素。这样您就可以将缩略图版本与其原始版本进行比较，并获得几乎相同的相位!