ImageHash a une distance de bourdonnement de ** 0 ** pour la même image et de ** 1-10 ** pour des images potentiellement similaires. Reconfirmez si des images similaires ne peuvent être détectées qu'avec ImageHash.
Hash utilise dhush.
référence: https://tech.unifa-e.com/entry/2017/11/27/111546
sample.py
import imagehash
from PIL import Image
hash1 = imagehash.dhash(Image.open('./images/001.png'))
hash2 = imagehash.dhash(Image.open('./images/002.png'))
hash3 = imagehash.dhash(Image.open('./images/003.png'))
print(hash1, hash2, hash3)
print('001.png:002.png - {}'.format(hash1 - hash2))
print('001.png:003.png - {}'.format(hash1 - hash3))
print('002.png:003.png - {}'.format(hash2 - hash3))
Les images suivantes sont utilisées dans ce programme. 002.png et 003.png choisissent des images similaires, 001.png a une pose différente, mais la composition avec le personnage au centre est la même.
1 | 2 | 3 |
---|---|---|
001.png | 002.png | 003.png |
Les distances de bourdonnement de 001.png et des autres images sont respectivement de 16 et 12, qui sont très différentes. La distance de fredonnement est de 8 pour 002.png et 003.png. Normalement, "1 à 10" sont des images potentiellement similaires, mais comme ce sont des images complètement différentes, on peut dire qu'il s'agit d'un faux positif. Comme mentionné dans Publié l'autre jour, on peut dire qu'il est difficile de juger des images similaires uniquement avec le hachage d'image.
3868e0f870706979 a269e8e8f0f4f070 b860e0e8f1f0f070
001.png:002.png - 16
001.png:003.png - 12
002.png:003.png - 8
Recommended Posts