网站反链暴增怎么回事谷歌seo外链

• 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

OpenCV提供用于提取图像哈希值的算法，以及在大规模数据集中快速找出最相似图像的方法。
所有函数的命名空间为：cv::img_hash。
支持的算法：

• 平均哈希（也称为差分哈希）Average hash (also called Different hash)
• PHash（也称为感知哈希）PHash (also called Perceptual hash)
• Marr Hildreth 哈希 Marr Hildreth Hash
• 径向方差哈希 Radial Variance Hash
• 分块均值哈希（支持模式 0 和 1）Block Mean Hash (modes 0 and 1)
• 颜色矩哈希 Color Moment Hash
  （这是目前唯一一个对旋转攻击具有抗性的哈希算法（-90~90 度））

你可以通过以下论文和网站了解更多关于图像哈希的内容：

• “Implementation and benchmarking of perceptual image hash functions” 310
• “Looks Like It” 145

示例代码

#include "opencv2/core.hpp"
#include "opencv2/core/ocl.hpp"
#include "opencv2/highgui.hpp"
#include "opencv2/img_hash.hpp"
#include <iostream>using namespace cv;
using namespace cv::img_hash;
using namespace std;template < typename T > inline void test_one( const std::string& title, const Mat& a, const Mat& b )
{cout << "=== " << title << " ===" << endl;TickMeter tick;Mat hashA, hashB;Ptr< ImgHashBase > func;func = T::create();tick.reset();tick.start();func->compute( a, hashA );tick.stop();cout << "compute1: " << tick.getTimeMilli() << " ms" << endl;tick.reset();tick.start();func->compute( b, hashB );tick.stop();cout << "compute2: " << tick.getTimeMilli() << " ms" << endl;cout << "compare: " << func->compare( hashA, hashB ) << endl << endl;;
}int main( int argc, char** argv )
{ocl::setUseOpenCL( false );Mat input  = imread( "/media/dingxin/data/study/OpenCV/sources/images/img1.jpg");Mat target = imread( "/media/dingxin/data/study/OpenCV/sources/images/img1.jpg");test_one< AverageHash >( "AverageHash", input, target );test_one< PHash >( "PHash", input, target );test_one< MarrHildrethHash >( "MarrHildrethHash", input, target );test_one< RadialVarianceHash >( "RadialVarianceHash", input, target );test_one< BlockMeanHash >( "BlockMeanHash", input, target );return 0;
}

运行结果

=== AverageHash ===
compute1: 22.391 ms
compute2: 0.01228 ms
compare: 0=== PHash ===
compute1: 0.048038 ms
compute2: 0.028032 ms
compare: 0=== MarrHildrethHash ===
compute1: 40.5077 ms
compute2: 7.61326 ms
compare: 0=== RadialVarianceHash ===
compute1: 0.640129 ms
compute2: 0.670026 ms
compare: 1=== BlockMeanHash ===
compute1: 0.173648 ms
compute2: 0.169781 ms
compare: 0

不同攻击下的性能表现

性能图表

与 PHash 库的速度比较（来自 ukbench 的 100 张图像）

哈希计算图表

哈希比较图表 如你所见，img_hash 模块的哈希计算速度远超 PHash 库。

附注：我没有列出平均哈希、PHash 和颜色矩哈希的比较，因为在 PHash 库中找不到它们。

动机

将有用的图像哈希算法集成到 OpenCV 中，这样我们就无需反复重写这些算法或依赖第三方库（例如 PHash 库）。BOVW（Bag of Visual Words）或相关匹配虽然好且鲁棒，但与图像哈希相比非常慢。如果你需要处理大规模基于内容的图像检索（CBIR）问题，图像哈希是一个更为合理的解决方案。

更多信息

你可以从以下链接了解更多关于 img_hash 模块的信息。这些链接展示了如何从 ukbench 数据集中找到相似图像，并提供了对不同类型攻击（对比度、模糊、噪声（高斯、椒盐）、JPEG 压缩、水印、调整大小）的全面基准测试。

OpenCV 图像哈希模块简介
加速OpenCV图像哈(img_hash）并介绍颜色矩哈希

贡献者

Tham Ngap Wei, [e-mail]