基于hash的图像检索软件

哈希（hashing）是一种代表性方法，通常目标是将样本表示成一串固定长度的二值编码（通常使用0/1或-1/+1表示其中的每个bit），使得相似的样本具有相似的二值码（使用Hamming距离度量二值码之间的相似性）。 (1) 设计并实现一种Hash算法 (2) 实现本地图像检索软件 (3) 选用标准图像库，对每一幅输入模板图像，检索列出最接近10幅图像 1.缩小图片：32 * 32是一个较好的大小，这样方便DCT计算 2.转化为灰度图：把缩放后的图片转化为256阶的灰度图。（具体算法见平均哈希算法步骤） 3.计算DCT:DCT把图片分离成分率的集合 4.缩小DCT：DCT是32*32，保留左上角的8*8，这些代表的图片的最低频率 5.计算平均值：计算缩小DCT后的所有像素点的平均值。 6.进一步减小DCT：大于平均值记录为1，反之记录为0. 7.得到信息指纹：组合64个信息位，顺序随意保持一致性即可。 8.对比指纹：计算两幅图片的指纹，计算汉明距离（从一个指纹到另一个指纹需要变几次），汉明距离越大则说明图片越不一致，反之，汉明距离越小则说明图片越相似，当距离为0时，说明完全相同。（通常认为距离>10 就是两张完全不同的图片）

#include “stdafx.h“
#include “hash.h“
string pHashValue（Mat &src）
{
	Mat img dst;
	string rst（64 ‘\0‘）;
	double dIdex[64];
	double mean = 0.0;
	int k = 0;
	if （src.channels（） == 3）
	{
		cvtColor（src src CV_BGR2GRAY）;
		img = Mat_（src）;
	}
	else
	{
		img = Mat_（src）;
	}
	/* 第一步，缩放尺寸*/
	resize（img img Size（8 8））;

	/* 第二步，离散余弦变换，DCT系数求取*/
	dct（img dst）;

	/* 第三步，求取DCT系数均值（左上角8*8区块的DCT系数）*/
	for （int i = 0; i < 8; ++i） {
		for （int j = 0; j < 8; ++j）
		{
			dIdex[k] = dst.at（i j）;
			mean += dst.at（i j） / 64;
			++k;
		}
	}
	/* 第四步，计算哈希值。*/
	for （int i = 0; i<64; ++i）
	{
		if （dIdex[i] >= mean）
		{
			rst[i] = ‘1‘;
		}
		else
		{
			rst[i] = ‘0‘;
		}
	}
	return rst;
}

int HanmingDistance（string &str1 string &str2）
{
	if （（str1.size（） != 64） || （str2.size（） != 64））
		return -1;
	int difference = 0;
	for （int i = 0; i<64; i++）
	{
		if （str1[i] != str2[i]）
			difference++;
	}
	return difference;
}

/*计算汉明距离*/
int ahashhammingDistance（const bitset &query const bitset &target）{
	int distance = 0;
	for （int i = 0; i < hashLength; i++）{
		distance += （query[i] == target[i] ? 0 : 1）;
	}
	return distance;
}

// 计算8*8图像的平均灰度  
float ahashcalcAverage（Mat_ image const int &size）{
	float sum = 0;
	for （int i = 0; i < size; i++）{
		for （int j = 0; j < size; j++）{
			sum += image（i j）;
		}
	}
	return sum / （size*size）;
}

/* 计算hash值
image:8*8的灰度图像
size: 图像大小  8*8
ahahs:存放64位hash值
averagePix: 灰度值的平均值
*/
void ahashfingerPrint（Mat_ image const int &size bitset &ahash const float &averagePix）{
	for （int i = 0; i < size; i++）{
		int pos = i * size;
		for （int j = 0; j < size; j++）{
			ahash[pos + j] = image（i j） >= averagePix ? 1 : 0;
		}
	}
}

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-10-10 17:02  基于hash的图像检索软件\
     目录           0  2018-10-10 17:01  基于hash的图像检索软件\源码\
     目录           0  2018-04-22 14:44  基于hash的图像检索软件\源码\pHash\
     目录           0  2018-10-10 17:01  基于hash的图像检索软件\源码\pHash\pHash\
     文件        3998  2018-04-20 20:22  基于hash的图像检索软件\源码\pHash\pHash\ReadMe.txt
     文件        1934  2018-04-22 09:56  基于hash的图像检索软件\源码\pHash\pHash\hash.cpp
     文件         712  2018-04-22 09:56  基于hash的图像检索软件\源码\pHash\pHash\hash.h
     文件        2361  2018-04-20 20:22  基于hash的图像检索软件\源码\pHash\pHash\pHash.cpp
     文件         437  2018-04-20 20:22  基于hash的图像检索软件\源码\pHash\pHash\pHash.h
     文件       12058  2018-04-21 15:21  基于hash的图像检索软件\源码\pHash\pHash\pHash.vcxproj
     文件       10586  2018-04-22 10:53  基于hash的图像检索软件\源码\pHash\pHash\pHashDlg.cpp
     目录           0  2018-04-22 14:44  基于hash的图像检索软件\源码\pHash\pHash\res\
     文件       67777  2013-07-22 01:18  基于hash的图像检索软件\源码\pHash\pHash\res\pHash.ico
     文件         666  2018-04-20 20:22  基于hash的图像检索软件\源码\pHash\pHash\res\pHash.rc2
     文件         138  2018-04-20 20:22  基于hash的图像检索软件\源码\pHash\pHash\stdafx.cpp
     文件        1578  2018-04-20 20:22  基于hash的图像检索软件\源码\pHash\pHash\stdafx.h
     文件         234  2018-04-20 20:22  基于hash的图像检索软件\源码\pHash\pHash\targetver.h
     文件   100597760  2018-04-22 14:44  基于hash的图像检索软件\源码\pHash\pHash.sdf
     文件        1315  2018-04-21 14:13  基于hash的图像检索软件\源码\pHash\pHash.sln
     文件       31232  2018-04-22 14:44  基于hash的图像检索软件\源码\pHash\pHash.v12.suo
     目录           0  2018-10-10 16:49  基于hash的图像检索软件\演示\
     文件       75073  2018-04-21 22:08  基于hash的图像检索软件\演示\QQ图片20180422122413.jpg
     文件       16801  2018-04-19 21:25  基于hash的图像检索软件\要求.docx
     文件          64  2018-10-10 13:39  基于hash的图像检索软件\说明.txt