python 計算 圖片的dhash (different hash)

需求背景

運營的同事提了個需求：貨源審覈人員天天要審覈貨源的照片，查看一個照片，檢查其是不是之前貨源已經使用過的，這個工做機械、高度重複，但願能作個程序自動比對，把可能重複/類似的圖片找出來。

需求分析

對這個需求作了分析後，有一下結論：

1. 圖片多是徹底同樣的，只是格式不一樣，png，jpeg， gif幾種格式
2. 圖片多是類似的，只是通過了放縮、剪裁
3. 圖片多是類似的，通過了簡單的塗鴉
4. 圖片多是類似/同樣的，可是作了旋轉

作這個程序不是要百分百找出重複圖片，只須要找出大部分可能重複圖片便可大幅度減小重複勞動。

解決辦法

使用different hash算法，計算兩張圖片的hash距離，若是距離小於一個閾值，則認爲其類似度過高。

安裝PIL

yum install -y python-devel
wget http://effbot.org/downloads/Imaging-1.1.7.tar.gz
tar xvfz Imaging-1.1.7.tar.gz
cd Imaging-1.1.7

找到 setup.py 這個文件，修改下面幾行代碼（默認TCL_ROOT的設置爲NONE，這裏要傳到系統庫的路徑才行）：

TCL_ROOT = "/usr/lib64/"
JPEG_ROOT = "/usr/lib64/"
ZLIB_ROOT = "/usr/lib64/"
TIFF_ROOT = "/usr/lib64/"
FREETYPE_ROOT = "/usr/lib64/"
LCMS_ROOT = "/usr/lib64/"

執行安裝：

python setup.py install

安裝dhash

pip install dhash

使用PIL 計算dhash

import dhash
from PIL import Image

image = Image.open('dhash-test.jpg')
row, col = dhash.dhash_row_col(image)
print(dhash.format_hex(row, col))

使用 ImageMagick 計算dhash （須要安裝ImageMagick）

import dhash
from wand.image import Image

with Image(filename='dhash-test.jpg') as image:
    row, col = dhash.dhash_row_col(image)
print(dhash.format_hex(row, col))

---

• dhash的說明 https://github.com/Jetsetter/dhash

• 一個有深度解決辦法 老司機帶你檢測類似圖片