资源简介
预处理：读取图片
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。
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。
第三步，计算平均值。
计算所有64个像素的灰度平均值。
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。
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。
得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算"汉明距离"（Hammingdistance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。
你可以将几张图片放在一起，也计算出他们的汉明距离对比，就可以看看两张图片是否相似。
这种算法的优点是简单快速，不受图片大小缩放的影响，缺点是图片的内容不能变更。如果在图片上加几个文字，它就认不出来了。所以，它的最佳用途是根据缩略图，找出原图。
实际应用中，往往采用更强大的pHash算法和SIFT算法，它们能够识别图片的变形。只要变形程度不超过25%，它们就能匹配原图。这些算法虽然更复杂，但是原理与上面的简便算法是一样的，就是先将图片转化成Hash字符串，然后再进行比较。
以上内容大部分直接从阮一峰的网站上复制过来，想看原著的童鞋可以去在最上面的链接点击进去看。
代码片段和文件信息
package com.yjf.image;
import java.awt.AlphaComposite;
import java.awt.Color;
import java.awt.Font;
import java.awt.Graphics2D;
import java.awt.Image;
import java.awt.RenderingHints;
import java.awt.geom.AffineTransform;
import java.awt.image.BufferedImage;
import java.awt.image.ColorModel;
import java.awt.image.WritableRaster;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.InputStream;
import javax.imageio.ImageIO;
import com.sun.image.codec.jpeg.ImageFormatException;
import com.sun.image.codec.jpeg.JPEGCodec;
import com.sun.image.codec.jpeg.JPEGImageDecoder;
import com.sun.image.codec.jpeg.JPEGImageEncoder;
/**
* 图片工具类，主要针对图片水印处理
*
* @author 025079
* @version [版本号 2011-11-28]
* @see [相关类/方法]
* @since [产品/模块版本]
*/
public class ImageHelper {
// 项目根目录路径
public static final String path = System.getProperty（“user.dir“）;
/**
* 生成缩略图
* 保存:ImageIO.write（BufferedImage imgType[jpg/png/...] File）;
*
* @param source
* 原图片
* @param width
* 缩略图宽
* @param height
* 缩略图高
* @param b
* 是否等比缩放
* */
public static BufferedImage thumb（BufferedImage source int width
int height boolean b） {
// targetW，targetH分别表示目标长和宽
int type = source.getType（）;
BufferedImage target = null;
double sx = （double） width / source.getWidth（）;
double sy = （double） height / source.getHeight（）;
if （b） {
if （sx > sy） {
sx = sy;
width = （int） （sx * source.getWidth（））;
} else {
sy = sx;
height = （int） （sy * source.getHeight（））;
}
}
if （type == BufferedImage.TYPE_CUSTOM） { // handmade
ColorModel cm = source.getColorModel（）;
WritableRaster raster = cm.createCompatibleWritableRaster（width
height）;
boolean alphaPremultiplied = cm.isAlphaPremultiplied（）;
target = new BufferedImage（cm raster alphaPremultiplied null）;
} else
target = new BufferedImage（width height type）;
Graphics2D g = target.createGraphics（）;
// smoother than exlax:
g.setRenderingHint（RenderingHints.KEY_RENDERING
RenderingHints.VALUE_RENDER_QUALITY）;
g.drawRenderedImage（source AffineTransform.getScaleInstance（sx sy））;
g.dispose（）;
return target;
}
/**
* 图片水印
*
* @param imgPath
* 待处理图片
* @param markPath
* 水印图片
* @param x
* 水印位于图片左上角的 x 坐标值
* @param y
* 水印位于图片左上角的 y 坐标值
* @param alpha
* 水印透明度 0.1f ~ 1.0f
* */
public static void waterMark（String imgPath String markPath int x int y
float alpha） {
try {
// 加载待处理图片文件
Image img = ImageIO.read（new File（imgPath））;
BufferedImage image = new BufferedImage（img.getWidth（null）
img.getHeight（null） BufferedImage.TYPE_INT_RGB）;
Graphics2D g = image.createGraphics（）;
g.drawImage（img 0 0 null）;
// 加载水印图片文件
Image src_biao = ImageIO.read（new File（markPath））;
g.setCo属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
文件 548 2011-11-28 19:46 图片相似度识别\SimilarImageSearch\.classpath
文件 394 2011-11-28 19:43 图片相似度识别\SimilarImageSearch\.project
文件 629 2011-11-28 19:43 图片相似度识别\SimilarImageSearch\.settings\org.eclipse.jdt.core.prefs
文件 6239 2012-04-17 13:29 图片相似度识别\SimilarImageSearch\bin\com\yjf\image\ImageHelper.class
文件 4084 2012-04-17 13:29 图片相似度识别\SimilarImageSearch\bin\com\yjf\image\SimilarImageSearch.class
文件 279 2012-04-17 13:33 图片相似度识别\SimilarImageSearch\bin\readme.txt
文件 47657 2011-09-15 14:10 图片相似度识别\SimilarImageSearch\images\example1.jpg
文件 8434 2011-11-29 13:51 图片相似度识别\SimilarImageSearch\images\example2.jpg
文件 28065 2012-04-17 13:21 图片相似度识别\SimilarImageSearch\images\example3.jpg
文件 24759 2011-11-29 13:53 图片相似度识别\SimilarImageSearch\images\example4.jpg
文件 40815 2011-11-29 13:51 图片相似度识别\SimilarImageSearch\images\example5.jpg
文件 11837 2012-04-17 13:31 图片相似度识别\SimilarImageSearch\images\example6.jpg
文件 63859 2011-11-29 13:59 图片相似度识别\SimilarImageSearch\images\source.jpg
文件 6431 2012-04-17 13:29 图片相似度识别\SimilarImageSearch\src\com\yjf\image\ImageHelper.java
文件 4583 2012-04-17 13:29 图片相似度识别\SimilarImageSearch\src\com\yjf\image\SimilarImageSearch.java
文件 332 2013-03-06 13:32 图片相似度识别\SimilarImageSearch\src\readme.txt
目录 0 2012-04-17 13:29 图片相似度识别\SimilarImageSearch\bin\com\yjf\image
目录 0 2011-11-29 09:03 图片相似度识别\SimilarImageSearch\src\com\yjf\image
目录 0 2012-04-17 13:29 图片相似度识别\SimilarImageSearch\bin\com\yjf
目录 0 2012-04-17 13:29 图片相似度识别\SimilarImageSearch\src\com\yjf
目录 0 2012-04-17 13:10 图片相似度识别\SimilarImageSearch\bin\com
目录 0 2011-11-29 09:03 图片相似度识别\SimilarImageSearch\src\com
目录 0 2011-11-29 09:03 图片相似度识别\SimilarImageSearch\.settings
目录 0 2011-12-24 15:24 图片相似度识别\SimilarImageSearch\bin
目录 0 2011-11-29 14:05 图片相似度识别\SimilarImageSearch\images
目录 0 2011-11-29 09:03 图片相似度识别\SimilarImageSearch\src
目录 0 2011-11-29 09:03 图片相似度识别\SimilarImageSearch
目录 0 2013-03-06 13:33 图片相似度识别
----------- --------- ---------- ----- ----
248945 28
............此处省略1个文件信息
- 上一篇：吉林大学《计算智能》课程的课件
- 下一篇：二阶倒立摆滑膜变结构
川公网安备 51152502000135号
评论
共有 条评论