使用Python快速确定图像是否（模糊地）在集合中

Question

某个新的图像X到达，我想知道X是新的还是以前遇到过。我有下面的代码，它收缩图像，然后将其转换为哈希代码。如果我已经遇到了一个具有相同哈希代码的图像，那么我可以通过一个哈希查找来查看，所以速度非常快。你知道吗

我的问题是，有没有一种有效的方法让我看看是否已经看到了一个类似但哈希代码不同的图像？如果我们将这个问题命名为“用于有效地确定是否已经包含了类似的、不相同的项的数据结构”，但决定它将是the XY problem的一个实例。你知道吗

当我说这个新的图像“相似”时，我想到的是一个可能经过有损压缩的图像，所以在人眼看来像原始图像，但不完全相同。通常缩小图像可以消除差异，但不总是这样，如果缩小过多，就会出现误报。你知道吗

这是我目前的代码：

import PIL
seen_images = {} # This would really be a shelf or something

# From http://www.guguncube.com/1656/python-image-similarity-comparison-using-several-techniques
def image_pixel_hash_code(image):
    pixels = list(image.getdata())
    avg = sum(pixels) / len(pixels)
    bits = "".join(map(lambda pixel: '1' if pixel < avg else '0', pixels))  # '00010100...'
    hexadecimal = int(bits, 2).__format__('016x').upper()
    return hexadecimal

def process_image(filepath):
    thumb = PIL.Image.open(filepath).resize((128,128)).convert("L")
    code = image_pixel_hash_code(thumb)
    previous_image = seen_images.get(code, None)
    if code in seen_images:
        print "'{}' already seen as '{}'".format(filepath, previous_image)
    else:
        seen_images[code] = filepath

您可以将一组图像文件的路径放入一个名为IMAGE_ROOT的变量中，然后使用以下命令尝试我的代码：

import os
for root, dirs, files in os.walk(IMAGE_ROOT):
    for filename in files:
        filepath = os.path.join(root, filename)
        try:                
            process_image(filepath)
        except IOError:
            pass

Answer 1

有很多方法可以比较图像，但是对于给定的示例，我怀疑简单性和速度是关键因素（因此您尝试使用哈希作为第一个过程）。这里有一些建议-在所有情况下，我建议缩小和裁剪图像到一个正常的大小和形状。你知道吗

1. 在收缩之前平滑图像（高斯模糊），以尽量减少人工制品的影响。然后应用哈希或其他比较。你知道吗
2. 将图像彼此相减（RGB）并检查余数。相同的图像将返回零，压缩伪影将导致微小的变化。可以对值进行阈值、求和或平均，并与截止值进行比较。你知道吗
3. 使用标准距离算法（参见scipy.spatial.distance）计算两幅图像之间的“距离”。例如，euclidean距离将有效地给出与减法之和相同的结果，而cosine将忽略强度，但与图像上的变化轮廓相匹配，即相同图像的较暗版本将被视为等效。为此，你需要将你的图像展平到1D阵列。你知道吗

最后两种方法需要在上传时将每个图像与其他图像进行比较，对于大量的图像来说，这在计算上会非常昂贵。你知道吗