[半原创]指纹识别+谷歌图片识别技术之C++代码

时间：2023-03-09 00:04:23
[半原创]指纹识别+谷歌图片识别技术之C++代码

原地址：http://blog.****.net/guoming0000/article/details/8138223

以前看到一个http://topic.****.net/u/20120417/15/edbf86f8-cfec-45c3-93e1-67bd555c684a.html网页，觉得蛮有趣的，方法似乎很简单，早就想用c++实现它，但是搁置很久，今天突然感兴趣实现了下。给一个免费的下载java源代码地址:http://download.****.net/detail/yjflinchong/4239243，图片你可以用他们的图片~~

以下程序中的图片自己随便找。

主题内容摘录：

Google "相似图片搜索"：你可以用一张图片，搜索互联网上所有与它相似的图片。
打开Google图片搜索页面：
点击使用上传一张angelababy原图：
点击搜索后，Google将会找出与之相似的图片，图片相似度越高就越排在前面。

这种技术的原理是什么？计算机怎么知道两张图片相似呢？

根据Neal Krawetz博士的解释，实现相似图片搜素的关键技术叫做"感知哈希算法"（Perceptualhash algorithm），它的作用是对每张图片生成一个"指纹"（fingerprint）字符串，然后比较不同图片的指纹。结果越接近，就说明图片越相似。
以下是一个最简单的Java实现：
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。

用的OpenCV打开图像(貌似没有opencv寸步难行呢，囧)

  1. // Win32TestPure.cpp : 定义控制台应用程序的入口点。
  2. #include "stdafx.h"
  3. //#include <atlstr.h>//CString, CEdit
  4. #include "opencv2\opencv.hpp"
  5. #include <hash_map>
  6. //----------------------------------------------------
  7. using namespace std;
  8. using namespace cv;
  9. class PhotoFingerPrint
  10. {
  11. public:
  12. int     Distance(string &str1,string &str2);
  13. string  HashValue(Mat &src);        //主要功能函数
  14. void    Insert(Mat &src,string &val);
  15. void    Find(Mat &src);
  16. private:
  17. Mat     m_imgSrc;
  18. hash_map<string,string> m_hashMap;
  19. };
  20. string PhotoFingerPrint::HashValue(Mat &src)
  21. {
  22. string rst(64,'\0');
  23. Mat img;
  24. if(src.channels()==3)
  25. cvtColor(src,img,CV_BGR2GRAY);
  26. else
  27. img=src.clone();
  28. // 第一步，缩小尺寸。
  29. /*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，
  30. 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。*/
  31. resize(img,img,Size(8,8));//缩小尺寸
  32. // 第二步，简化色彩。
  33. // 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。
  34. uchar *pData;
  35. for(int i=0;i<img.rows;i++)
  36. {
  37. pData = img.ptr<uchar>(i);
  38. for(int j=0;j<img.cols;j++)
  39. {
  40. pData[j]=pData[j]/4;   //0~255--->0~63
  41. }
  42. }
  43. // 第三步，计算平均值。
  44. // 计算所有64个像素的灰度平均值。
  45. int average = mean(img).val[0];
  46. // 第四步，比较像素的灰度。
  47. // 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。
  48. Mat mask= (img>=(uchar)average);//////
  49. // 第五步，计算哈希值。
  50. /* 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。
  51. 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。
  52. */
  53. int index = 0;
  54. for(int i=0;i<mask.rows;i++)
  55. {
  56. pData = mask.ptr<uchar>(i);
  57. for(int j=0;j<mask.cols;j++)
  58. {
  59. if(pData[j]==0)
  60. rst[index++]='0';
  61. else
  62. rst[index++]='1';
  63. }
  64. }
  65. return rst;
  66. }
  67. void    PhotoFingerPrint::Insert(Mat &src,string &val)
  68. {
  69. string strVal = HashValue(src);
  70. m_hashMap.insert(pair<string,string>(strVal,val));
  71. cout<<"insert one value:"<<strVal<<"   string:"<<val<<endl;
  72. }
  73. void    PhotoFingerPrint::Find(Mat &src)
  74. {
  75. string strVal=HashValue(src);
  76. hash_map<string,string>::iterator it=m_hashMap.find(strVal);
  77. if(it==m_hashMap.end())
  78. {cout<<"no photo---------"<<strVal<<endl;}
  79. else
  80. cout<<"find one , key:  "<<it->first<<"   value:"<<it->second<<endl;
  81. /* return *it;*/
  82. }
  83. int PhotoFingerPrint::Distance(string &str1,string &str2)
  84. {
  85. if((str1.size()!=64)||(str2.size()!=64))
  86. return -1;
  87. int difference = 0;
  88. for(int i=0;i<64;i++)
  89. {
  90. if(str1[i]!=str2[i])
  91. difference++;
  92. }
  93. return difference;
  94. }
  95. int main(int argc, char* argv[] )
  96. {
  97. PhotoFingerPrint pfp;
  98. Mat m1=imread("images\\example3.jpg",0);
  99. Mat m2=imread("images\\example4.jpg",0);
  100. Mat m3=imread("images\\example5.jpg",0);
  101. Mat m4=imread("images\\example6.jpg",0);
  102. Mat m5;
  103. resize(m3,m5,Size(100,100));
  104. string str1 = pfp.HashValue(m1);
  105. string str2 = pfp.HashValue(m2);
  106. string str3 = pfp.HashValue(m3);
  107. string str4 = pfp.HashValue(m4);
  108. pfp.Insert(m1,string("str1\0"));
  109. pfp.Insert(m2,string("str2\0"));
  110. pfp.Insert(m3,string("str3\0"));
  111. pfp.Insert(m4,string("str4\0"));
  112. pfp.Find(m5);
  113. //     cout<<pfp.Distance(str1,str1)<<endl;
  114. //     cout<<pfp.Distance(str1,str2)<<endl;
  115. //     cout<<pfp.Distance(str1,str3)<<endl;
  116. //     cout<<pfp.Distance(str1,str4)<<endl;
  117. return 0;
  118. }

好吧，只有当加入足够多的图像，这个哈希表才有意义。本程序给了一个大致的模型，细节都没有进行推敲(hash_map第一次用)。希望大家提点意见。

[半原创]指纹识别+谷歌图片识别技术之C++代码