# 汉明距离表示两个(相同长度)字对应位不同的数量,我们以
# d(x,y)表示两个字x,y之间的汉明距离。对两个字符串进行异或运算,
# 并统计结果为1的个数,那么这个数就是汉明距离。
# 向量相似度越高,对应的汉明距离越小。如10001001和10010001有2位不同。
from PIL import Image
from functools import reduce
# import time
# 计算Hash
def phash(img):
img = img.resize((8, 8), Image.ANTIALIAS).convert('L')
avg = reduce(lambda x, y: x + y, img.getdata()) / 64.
return reduce(
lambda x, y: x | (y[1] << y[0]),
enumerate(map(lambda i: 0 if i < avg else 1, img.getdata())),
0
)
# 计算汉明距离
def hamming_distance(a, b):
return bin(a ^ b).count('1')
# 计算图片相似度
def is_imgs_similar(img1, img2):
return True if hamming_distance(phash(img1), phash(img2)) <= 5 else False
if __name__ == '__main__':
img1_path = 'C:/Users/lwq_1997/Desktop/test/GroundDisconnector_270.jpg'
img2_path = "C:/Users/lwq_1997/Desktop/test/GroundDisconnector_270.jpg"
img1 = Image.open(img1_path)
img2 = Image.open(img2_path)
# start_time = time.time()
a = is_imgs_similar(img1, img2)
# end_time = time.time()
print(a)
python实现两张图片相似度对比——汉明距离
猜你喜欢
转载自blog.csdn.net/weixin_44312422/article/details/122481085
今日推荐
周排行