質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

ただいまの
回答率

89.69%

pythonのimagehashでサポートされているperceptual hashのアルゴリズムについて

解決済

回答 1

投稿 編集

  • 評価
  • クリップ 0
  • VIEW 2,189

r3y2u1

score 12

前提・実現したいこと

ここに質問したいことを詳細に書いてください
perceptual hashのアルゴリズムについて詳しく教えてもらいたいです。[リンク内容](https://github.com/scipy/scipy/blob/v0.14.0/scipy/fftpack/realtransforms.py#L25)

発生している問題・エラーメッセージ```python

コード

def phash(image, hash_size=8, highfreq_factor=4):  
"""  
Perceptual Hash computation.  
Implementation follows http://www.hackerfactor.com/blog/index.php?/archives/432-Looks-Like-It.html  
@image must be a PIL instance.  
"""  
if hash_size < 0:  
raise ValueError("Hash size must be positive")  

import scipy.fftpack  
img_size = hash_size * highfreq_factor  
image = image.convert("L").resize((img_size, img_size), Image.ANTIALIAS)  
pixels = numpy.array(image.getdata(), dtype=numpy.float).reshape((img_size, img_size))  
//ここまでは何となく理解できるのですがscipy.fftpack.dct(pixels, axis=0)で離散コサイン変換の処理をするところでつまずいています。  

dct = scipy.fftpack.dct(scipy.fftpack.dct(pixels, axis=0), axis=1)  
dctlowfreq = dct[:hash_size, :hash_size]  
med = numpy.median(dctlowfreq)  
diff = dctlowfreq > med  
return ImageHash(diff)  



/*****ここからは自分で作成したプログラムです。*****/  
import os  
import glob  
from PIL import Image  
import imagehash  
import shutil  

hash = imagehash.phash(Image.open(r'./testdir/bw.jpg'))    #比べる元画像  

print(hash)    #確認用  

files = glob.glob('./testdir/*')    #比較したい画像が入っているフォルダ  

for f in files:  
(dirname,filename)=os.path.split(f)    #ファイル名を取得  
otherhash = imagehash.phash(Image.open(f))    #比較する画像  
flag = hash - otherhash    #ハミング距離  
if flag <=  60:    #ある値よりflagが小さかったらファイル名とハミング距離を表示  
print(filename)  
print(hash - otherhash)  

else:  
print('a')    #確認用  

エラーメッセージ

###該当のソースコード  

ここに言語を入力 ここにご自身が実行したソースコードを書いてください ```

試したこと![イメージ説明](97c1c8d6a719a05e0d1bdd450cc9a67a.jpeg)

課題に対してアプローチしたことを記載してください
scipyのscipyのrealtransform.pyの def _dct(x, type, n=None, axis=-1, overwrite_x=False, normalize=None):で離散コサイン変換をしていると思うのですがプログラミング初心者なためあまり理解ができていない状態です。どのような処理を行っているか教えていただきたいです。

補足情報(言語/FW/ツール等のバージョンなど)

より詳細な情報
can110さんに作成していただいた確認用コードをイメージに載せた画像で動かして見ました。またその結果も載せてあります。
自分で作成したプログラムの元画像のhashは0101000001010000となりました。

  • 気になる質問をクリップする

    クリップした質問は、後からいつでもマイページで確認できます。

    またクリップした質問に回答があった際、通知やメールを受け取ることができます。

    クリップを取り消します

  • 良い質問の評価を上げる

    以下のような質問は評価を上げましょう

    • 質問内容が明確
    • 自分も答えを知りたい
    • 質問者以外のユーザにも役立つ

    評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

    質問の評価を上げたことを取り消します

  • 評価を下げられる数の上限に達しました

    評価を下げることができません

    • 1日5回まで評価を下げられます
    • 1日に1ユーザに対して2回まで評価を下げられます

    質問の評価を下げる

    teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

    • プログラミングに関係のない質問
    • やってほしいことだけを記載した丸投げの質問
    • 問題・課題が含まれていない質問
    • 意図的に内容が抹消された質問
    • 広告と受け取られるような投稿

    評価が下がると、TOPページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

    質問の評価を下げたことを取り消します

    この機能は開放されていません

    評価を下げる条件を満たしてません

    評価を下げる理由を選択してください

    詳細な説明はこちら

    上記に当てはまらず、質問内容が明確になっていない質問には「情報の追加・修正依頼」機能からコメントをしてください。

    質問の評価を下げる機能の利用条件

    この機能を利用するためには、以下の事項を行う必要があります。

回答 1

checkベストアンサー

+1

ざっと調べてみました。おおざっぱですが、以下のような流れと理解しました。

  1. 元画像をグレースケール+固定サイズに正規化
  2. 正規化した画像をDCTにて成分値(行列)を算出
  3. 低周波成分(8x8行列)のみを抽出
  4. 各低周波成分について平均よりも大きい or 小さいで2値化(8x8行列)
  5. 2値化行列を1次元ビットに展開し8x8=64bit値を算出

2~4がaHash(Average Hash or Mean Hash)dHash(Difference Hash)との違いとなります。

アルゴリズムの概要についてはPerceptual Hash
DCTについては離散コサイン変換(DCT)をPythonで実装した[Python]
が参考になりました。

また、以下は動作を理解するための確認用コードです。

from PIL import Image
image = Image.open('lena.png')

hash_size = 8        # ハッシュデータサイズ 8x8 = 64[bit]
highfreq_factor = 4  # どの程度高周波成分を生かすか? 大きいほど低周波成分のみが生きてくる。

import numpy, scipy
img_size = hash_size * highfreq_factor # サイズ正規化後の(縦横)サイズ [pixel]

# 元画像の正規化 : "L" グレースケール+画像サイズを32x32に。
image = image.convert("L").resize((img_size, img_size), Image.ANTIALIAS)
# floatに
pixels = numpy.array(image.getdata(), dtype=numpy.float).reshape((img_size, img_size))
print('pixels',pixels)
print(pixels.shape)

# DCTにて周波数成分を算出
# 列、行方向に各1回で2次元?
import scipy.fftpack
# 列
dct0 = scipy.fftpack.dct( pixels, axis=0)
print('dct0',dct0)
print(dct0.shape)
# 行
dct = scipy.fftpack.dct( dct0, axis=1)
print('dct',dct)
print(dct.shape)

# 左上 8x8 部分=低周波成分のみ抽出
dctlowfreq = dct[:hash_size, :hash_size]
print('dctlowfreq',dctlowfreq)
print(dctlowfreq.shape)

# 成分の平均値を算出
med = numpy.median(dctlowfreq)
print('med',med)

# 平均 より大きい or 小さい で2値化
diff = dctlowfreq > med
print('dif',diff)
print(diff.shape)

# 後は1次元化ビットデータ→バイナリに
diff = diff.flatten()
print(diff)
# 略

lena.pngでの実行結果例。

pixels [[ 157.  153.  168. ...,  122.  129.   99.]
 [ 156.  159.  167. ...,  133.   91.   44.]
 [ 161.  164.  163. ...,   89.   45.   51.]
 ..., 
 [  91.  137.  146. ...,   86.   96.   79.]
 [ 108.  145.  150. ...,   85.  100.   69.]
 [  73.  164.  159. ...,   99.   90.   59.]]
(32, 32)
dct0 [[  6.32800000e+03   7.07200000e+03   1.05940000e+04 ...,   8.60200000e+03
    8.56400000e+03   8.32000000e+03]
 [  7.98016665e+02   2.62511492e+02   1.96280228e+02 ...,  -7.56732747e+02
   -4.41547133e+02  -1.57118303e+02]
 [  6.46097040e+02   8.18776417e+02  -2.63514617e+02 ...,  -1.50400070e+03
   -1.65134257e+03  -1.87834848e+03]
 ..., 
 [ -2.36991803e+01   9.79124296e-01   6.18355143e+00 ...,  -2.66121620e+00
    4.29854489e+00  -6.24873463e+01]
 [  6.24966135e+01   2.26717368e+00  -1.16876665e+01 ...,  -3.47209442e+00
   -3.82978202e+01   1.13660396e+02]
 [ -3.70468280e+01  -1.07048481e+00   3.02842970e+00 ...,   1.94634067e+01
    3.25523913e+00  -1.07515692e+02]]
(32, 32)
dct [[  5.06036000e+05  -2.94304398e+04  -6.81773745e+03 ...,  -3.30672277e+03
   -7.48904307e+02  -1.86993620e+03]
 [  1.98802074e+04   1.53921290e+04  -1.32546329e+04 ...,   2.80471722e+02
    8.32317252e+02   2.72208429e+02]
 [ -4.93959257e+02   6.38192837e+03  -1.18131952e+04 ...,   8.25563260e+01
   -1.49816934e+03  -4.18435435e+00]
 ..., 
 [ -3.43617926e+02   6.39597213e+01  -2.22653656e+01 ...,   2.05208094e+02
    2.23489435e+02  -1.42433561e+02]
 [  6.91319107e+02  -2.55544837e+02  -2.31524406e+02 ...,  -3.35882969e+02
    6.33748893e+02  -1.63967256e+02]
 [ -4.09150007e+02   1.87268370e+02  -9.60016979e+01 ...,  -2.54835022e+02
    3.54280412e+02  -8.90047699e+02]]
(32, 32)
dctlowfreq [[  5.06036000e+05  -2.94304398e+04  -6.81773745e+03   2.80701261e+04
    2.38838080e+04  -1.28880165e+04  -3.51294509e+03   1.15306260e+04]
 [  1.98802074e+04   1.53921290e+04  -1.32546329e+04  -4.99924707e+03
   -4.94272573e+03   6.32557553e+03   2.62219370e+03  -4.56258784e+03]
 [ -4.93959257e+02   6.38192837e+03  -1.18131952e+04   1.62273412e+04
   -1.12535016e+04   2.03382925e+04   7.74449276e+02  -2.37259333e+03]
 [ -4.89206193e+03  -3.59678046e+03   1.53594984e+04  -1.14005239e+04
    2.36889938e+03   6.87236303e+03  -1.37074421e+04   6.09362931e+03]
 [ -7.10556545e+03   4.24761315e+03   4.28739884e+03   4.78750339e+03
   -4.87325605e+02   2.75701535e+03  -1.04804645e+03   2.59382161e+03]
 [ -8.83807448e+02  -1.23385051e+03   1.02040065e+04   1.05757043e+03
   -8.93986061e+03  -2.86076349e+03   7.12062401e+03   1.09866683e+04]
 [  8.03531745e+03  -4.14851498e+03   5.08046787e+03  -4.43660697e+03
   -2.94851358e+03   1.65221080e+02   7.82385862e+03  -7.46364918e+03]
 [  1.01303000e+04  -5.23021293e+03  -3.17246145e+03   4.61738896e+03
   -8.23560153e+02   2.55903708e+03   2.70463560e+03  -6.10959429e+03]]
(8, 8)
med 469.835177852
dif [[ True False False  True  True False False  True]
 [ True  True False False False  True  True False]
 [False  True False  True False  True  True False]
 [False False  True False  True  True False  True]
 [False  True  True  True False  True False  True]
 [False False  True  True False False  True  True]
 [ True False  True False False False  True False]
 [ True False False  True False  True  True False]]
(8, 8)
[ True False False  True  True False False  True  True  True False False
 False  True  True False False  True False  True False  True  True False
 False False  True False  True  True False  True False  True  True  True
 False  True False  True False False  True  True False False  True  True
  True False  True False False False  True False  True False False  True
 False  True  True False]

投稿

編集

  • 回答の評価を上げる

    以下のような回答は評価を上げましょう

    • 正しい回答
    • わかりやすい回答
    • ためになる回答

    評価が高い回答ほどページの上位に表示されます。

  • 回答の評価を下げる

    下記のような回答は推奨されていません。

    • 間違っている回答
    • 質問の回答になっていない投稿
    • スパムや攻撃的な表現を用いた投稿

    評価を下げる際はその理由を明確に伝え、適切な回答に修正してもらいましょう。

  • 2017/08/11 00:30

    回答、分かりやすい確認用コードありがとうございます。
    自分で作成したプログラムの元画像のhashは0101000001010000となったのですが確認用コードのほうではdiff[[True False False False False False False False]となっておりビッグエンディアンで16進数に変換したら10......というような感じになろと思うのですがどこか間違えていますかね?

    キャンセル

  • 2017/08/11 00:42

    ちゃんとコード確認できていませんが、imagehashでのdef phash(...)関数内のdiffが私の回答のdiffと同じになるはずです。

    キャンセル

  • 2017/08/11 00:47

    ちなみに私の回答で利用している画像は[lena.png](https://upload.wikimedia.org/wikipedia/en/2/24/Lenna.png)です。

    キャンセル

15分調べてもわからないことは、teratailで質問しよう!

  • ただいまの回答率 89.69%
  • 質問をまとめることで、思考を整理して素早く解決
  • テンプレート機能で、簡単に質問をまとめられる