三种基于感知哈希算法的相似图像检索技术

    （1）缩小尺寸：去除高频和细节的最快方法是缩小图片，将图片缩小到8x8的尺寸，总共64个像素。不要保持纵横比，只需将其变成8*8的正方形。这样就可以比较任意大小的图片，摒弃不同尺寸、比例带来的图片差异。
    
    （2）简化色彩：将8*8的小图片转换成灰度图像。
    
    （3）计算平均值：计算所有64个像素的灰度平均值。
    
    （4）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。
    
    （5）计算hash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。(我设置的是从左到右，从上到下用二进制保存)。

     string HashValue(Mat &src)
     {
     string rst(64,'\0');
     Mat img;
     if(src.channels()==3)
         cvtColor(src,img,CV_BGR2GRAY);
    else
        img=src.clone();
       /*第一步，缩小尺寸。
         将图片缩小到8x8的尺寸，总共64个像素,去除图片的细节*/
    
        resize(img,img,Size(8,8));
    /* 第二步，简化色彩(Color Reduce)。
       将缩小后的图片，转为64级灰度。*/
    
    uchar *pData;
    for(int i=0;i<img.rows;i++)
    {
        pData = img.ptr<uchar>(i);
        for(int j=0;j<img.cols;j++)
        {
            pData[j]=pData[j]/4;            }
    }
    
        /* 第三步，计算平均值。
       计算所有64个像素的灰度平均值。*/
    int average = mean(img).val[0];
    
        /* 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*/
    Mat mask= (img>=(uchar)average);
    
        /* 第五步，计算哈希值。*/
    int index = 0;
    for(int i=0;i<mask.rows;i++)
    {
        pData = mask.ptr<uchar>(i);
        for(int j=0;j<mask.cols;j++)
        {
            if(pData[j]==0)
                rst[index++]='0';
            else
                rst[index++]='1';
        }
    }
    return rst;
     }

    （1）缩小尺寸：pHash以小图片开始，但图片大于8*8，32*32是最好的。这样做的目的是简化了DCT的计算，而不是减小频率。
    
    （2）简化色彩：将图片转化成灰度图像，进一步简化计算量。
    
    （3）计算DCT：计算图片的DCT变换，得到32*32的DCT系数矩阵。
    
    （4）缩小DCT：虽然DCT的结果是32*32大小的矩阵，但我们只要保留左上角的8*8的矩阵，这部分呈现了图片中的最低频率。
    
    （5）计算平均值：如同均值哈希一样，计算DCT的均值。
    
    （6）计算hash值：这是最主要的一步，根据8*8的DCT矩阵，设置0或1的64位的hash值，大于等于DCT均值的设为”1”，小于DCT均值的设为“0”。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。

     string pHashValue(Mat &src)
     {
     Mat img ,dst;
     string rst(64,'\0');
     double dIdex[64];
     double mean = 0.0;
     int k = 0;
     if(src.channels()==3)
     {
         cvtColor(src,src,CV_BGR2GRAY);
         img = Mat_<double>(src);
     }   
     else
     {
         img = Mat_<double>(src);
     }     
    
        /* 第一步，缩放尺寸*/
     resize(img, img, Size(8,8));
    
        /* 第二步，离散余弦变换，DCT系数求取*/
     dct(img, dst); 
    
        /* 第三步，求取DCT系数均值（左上角8*8区块的DCT系数）*/
     for (int i = 0; i < 8; ++i) {
         for (int j = 0; j < 8; ++j) 
         {
             dIdex[k] = dst.at<double>(i, j);
             mean += dst.at<double>(i, j)/64;
             ++k;
         }
     }
    
        /* 第四步，计算哈希值。*/
     for (int i =0;i<64;++i)
     {
         if (dIdex[i]>=mean)
         {
             rst[i]='1';
         }
         else
         {
             rst[i]='0';
         }
     }
     return rst;
     }