PIL图像的简单哈希

Question

背景

我想将PIL图像的信息存储在键值存储中。为此，我对图像进行哈希处理并将哈希值用作键。

我尝试了什么

我一直在使用以下代码来计算哈希值：

def hash(img):
   return hashlib.md5(img.tobytes()).hexdigest()

但这似乎不稳定。我还没有弄清楚为什么，但是对于不同机器上的同一图像，我得到了不同的哈希值。

题

有没有一种简单的散列图像的方法，该方法仅取决于图像本身（而不取决于时间戳，系统体系结构等）？

请注意，我不需要类似的图像来获得类似/相同的哈希，就像在图像哈希中一样。实际上，我希望不同的图像具有不同的哈希，例如，更改图像的亮度应更改其哈希。

Answer 1

认识到你所说的时间戳，ImageMagick正是有这样的功能。首先，举一个例子。

在这里，我创建了两个像素相同但时间戳至少相差 1 秒的图像：

convert -size 600x100 gradient:magenta-cyan 1.png
sleep 2
convert -size 600x100 gradient:magenta-cyan 2.png

如果我在 macOS 上对它们进行校验，它会告诉我它们由于嵌入的时间戳而不同：

md5 -r [12].png

c7454aa225e3e368abeb5290b1d7a080 1.png
66cb4de0b315505de528fb338779d983 2.png

但是，如果我仅使用ImageMagick对像素进行校验和（其中是逐像素校验和），它就知道像素是相同的，我得到：%#

identify -format '%# - %f\n' 1.png 2.png
70680e2827ad671f3732c0e1c2e1d33acb957bc0d9e3a43094783b4049225ea5 - 1.png
70680e2827ad671f3732c0e1c2e1d33acb957bc0d9e3a43094783b4049225ea5 - 2.png

事实上，如果我创建一个TIFF具有相同图像内容的文件，无论是摩托罗拉还是英特尔字节顺序，还是 NetPBMPPM文件：

convert -size 600x100 gradient:magenta-cyan -define tiff:endian=msb 3motorola.tif
convert -size 600x100 gradient:magenta-cyan -define tiff:endian=lsb 3intel.tif
convert -size 600x100 gradient:magenta-cyan 3.ppm

ImageMagick知道它们是相同的，尽管文件格式、CPU 架构和时间戳不同：

identify -format '%# - %f\n' 1.png 3.ppm 3{motorola,intel}.tif

70680e2827ad671f3732c0e1c2e1d33acb957bc0d9e3a43094783b4049225ea5 - 1.png
70680e2827ad671f3732c0e1c2e1d33acb957bc0d9e3a43094783b4049225ea5 - 3.ppm
70680e2827ad671f3732c0e1c2e1d33acb957bc0d9e3a43094783b4049225ea5 - 3motorola.tif
70680e2827ad671f3732c0e1c2e1d33acb957bc0d9e3a43094783b4049225ea5 - 3intel.tif

因此，在回答您的问题时，我建议您使用Python subprocess 模块使用ImageMagick并使用ImageMagick。

Answer 2

我猜你的目标是在 Python 中执行图像散列（这与经典散列有很大不同，因为图像的字节表示取决于格式、分辨率等）

图像散列技术之一是平均散列。确保这不是 100% 准确，但它在大多数情况下都能正常工作。

首先，我们通过减少图像的大小和颜色来简化图像，降低图像的复杂性大大有助于其他图像之间比较的准确性：

缩小尺寸：

img = img.resize((10, 10), Image.ANTIALIAS)

减少颜色：

img = img.convert("L")

然后，我们找到图像的平均像素值（这显然是平均散列的主要组成部分之一）：

pixel_data = list(img.getdata())
avg_pixel = sum(pixel_data)/len(pixel_data)

最后计算哈希，我们将图像中的每个像素与平均像素值进行比较。如果像素大于或等于平均像素，那么我们得到 1，否则它是 0。然后我们将这些位转换为基数 16 表示：

bits = "".join(['1' if (px >= avg_pixel) else '0' for px in pixel_data])
hex_representation = str(hex(int(bits, 2)))[2:][::-1].upper()

如果您想将此图像与其他图像进行比较，请执行上述操作，并找到平均散列图像的十六进制表示之间的相似性。您可以使用像汉明距离这样简单的东西，也可以使用更复杂的算法，例如Levenshtein distance、Ratcliff/Obershelp 模式识别(SequenceMatcher)、余弦相似度等。