OpenCV 图像哈希类cv::img_hash::AverageHash

• 操作系统：ubuntu22.04
• OpenCV版本：OpenCV4.9
• IDE:Visual Studio Code
• 编程语言：C++11

算法描述

cv::img_hash::AverageHash是OpenCV中用于图像哈希（Image Hashing）的一个类，属于opencv_img_hash模块。它实现了平均哈希算法（Average Hash, aHash），可以快速计算图像的“指纹”或“感知哈希值”，用于判断两张图像是否相似。

主要成员函数

1. compute(InputArray image, OutputArray code)

计算输入图像的 aHash 哈希值。

void compute(InputArray image, OutputArray code);

• image: 输入图像（支持 CV_8UC1 或 CV_8UC3）
• code: 输出的哈希值（类型为 CV_8U 的一维 Mat）

2. compare(const cv::Mat& code1, const cv::Mat& code2)

比较两个哈希值之间的差异（返回汉明距离）。

double compare(const cv::Mat& code1, const cv::Mat& code2);

返回值越小表示图像越相似（0 表示完全相同）

示例代码

#include <iostream>
#include <opencv2/img_hash.hpp>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace cv::img_hash;
using namespace std;

int main()
{
    // 加载图像（支持彩色图或灰度图）
    Mat img1 = imread( "/media/dingxin/data/study/OpenCV/sources/images/img2.jpg", IMREAD_COLOR );
    Mat img2 = imread( "/media/dingxin/data/study/OpenCV/sources/images/img1.jpg", IMREAD_COLOR );

    if ( img1.empty() || img2.empty() )
    {
        cerr << "无法加载图像！" << endl;
        return -1;
    }

    // 创建 AverageHash 对象
    Ptr< AverageHash > ahash = AverageHash::create();

    // 计算哈希值
    Mat hash1, hash2;
    ahash->compute( img1, hash1 );
    ahash->compute( img2, hash2 );

    // 比较哈希值（返回汉明距离）
    double distance = ahash->compare( hash1, hash2 );
    cout << "汉明距离: " << distance << endl;

    if ( distance < 10 )
    {
        cout << "图像非常相似！" << endl;
    }
    else
    {
        cout << "图像不相似。" << endl;
    }

    return 0;
}

运行结果

汉明距离: 1
图像非常相似！

补充：
汉明距离（Hamming Distance） 是一种用于测量两个等长字符串或数据序列之间差异的度量方法。具体来说，它定义为两个字符串在对应位置上不同字符的数量。对于二进制串（如哈希值），汉明距离就是两个串中不相同位的个数。
在图像哈希中的应用

在图像处理和计算机视觉领域，汉明距离常用于比较两个图像的哈希值（指纹）。例如，在使用感知哈希算法（如 aHash、pHash 等）生成图像的哈希值后，可以通过计算它们之间的汉明距离来衡量这两幅图像的相似度：

• 汉明距离越小，表示两幅图像越相似。
• 汉明距离为 0 表示两幅图像完全相同（至少在哈希级别上是相同的）。
• 如果汉明距离超过某个阈值，则认为两幅图像不相似。

计算汉明距离的方法

假设我们有两个等长的二进制字符串 str1 和 str2，其汉明距离可以通过以下步骤计算：

• 将两个字符串逐位进行异或操作（XOR），得到一个新的字符串，其中每个位置上的值为 1 表示原两个字符串在此位置上的值不同，为 0 表示相同。
• 统计新字符串中 1 的数量，即为汉明距离。