块均值哈希方法

Question

在基于块平均值图像感知哈希卞押嗯提出了说,一个散列方法:

第一个感知散列函数基于均值

a) Normalize the original image into a preset sizes;

b) Divide the size-normalized image I into non overlapped blocks I1, I2, …, IN, 
in which N is the block number equal to length of the final hash bit string;

c) Calculate the mean value sequence {M1, M2, …, MN} from corresponding 
block sequence {I’1, I’2, …, I’N } and obtain the median value Md of 
this sequence as: Md = median (Mi) (i=1,2,…, N) 

d) Normalize the mean value sequence into a binaryform and obtain the hash 
values h as:
h(i)=0 if Mi<Md
h(i)=1 if Mi>= Md

我的问题是部分"b",任何人都知道图像是如何分成块的？是这样的吗？

Answer 1

是的，你是对的。大多数实现会在 32 个展开的非重叠块中执行一般图像哈希处理，但是，您也可以识别人脸和哈希，或者如果您知道特定的地方有额外的细节，例如底部的文本，在那里投入更多的块。

您可以在此处查看 JS 的完整实现：​​https://github.com/danm/image-hash/blob/master/src/block-hash.ts（image-hash npm 的一部分，引用了您所引用的同一篇论文）指的是）。

主要思想是将图像的视觉信息压缩成更小且固定大小的东西（以便您可以快速使用固定大小的哈希比较）。

块的顺序对算法来说并不重要，唯一重要的是在进行比较时使用相同的顺序，因为顺序会改变哈希输出。

另外，正如您在评论中提到的，它只关心块不重叠。它将最终计算块的中值，因此，如果您给它一个 8k 版本的图像或一个 32x32 像素版本的图像，大多数实现都会产生相同的输出，因为它们将块分散在完全按照您的方式进行（尽管他们可能会改变方向并从左到右或其他什么）。