网站建设投标文件范本数据分析系统

说明

图像相似性搜索应用广泛、除了使用搜索引擎搜索类似图片外，像淘宝可以让顾客直接拍照搜索类似的商品信息、应用在商品购物上，也可以应用物体识别比如拍图识花等领域。还有在调研图片鉴权的方案，通过一张图片和图片库中的图片进行比对，来确定这张图片是否侵权，或者退一步讲，图片库中是否包含和这张图片类似。 

本插件比较两图片相似和深度学习应用中的图像识别还不一样，不需要把图像中的物体识别出来，只需能查找相似图片的东西即可。

技术介绍

这里使用感知哈希算法来做，感知哈希算法根据图像的特征生成一个确定的指纹，这些指纹可以用来比较。指纹越接近，说明图片越接近。当要比较两张图片的时候，计算它们的hash值，然后再计算它们的汉明距离即可。

这里直接使用goimagehash库来实现,它提供aHash、dHash、pHash三种算法， aHash基于平均值，pHash基于图像频率，而dHash基于直方图。dhash准确性和aHash（Average Hash algorithm）查不多，但是更快。

比较图片相似方法有很多种，我们根据业务选择合适办法就是最好的，我们这个方法是用一张图去找和它相似的图对应内容，这个场景需要我们能够快速计算，找出相似图片即可，不需要图像识别出具体某个东西（如猫、狗），而且需要识别出具体东西，需要做大量计算，同时也需要消耗很多时间，在查找场景中我们不能让使用客户等待很久，这样体验太差了，所以合适需求场景就是方法。 

插件提供方法

DifferenceHash和AverageHash的准确性差不多， AverageHash非常快，在特定场景下是一个非常好的算法。三个接口计算返回是两张图片之间差异值，值越小说明它们相似性高。

• Average Hash算法-基于平均值

distance, err := plugin.AverageHash("被对比图片路径", "对比图片路径")

• Difference hash算法-基于图像频率

distance, err := plugin.DifferenceHash("被对比图片路径", "对比图片路径")

• perception hash算法-基于直方图

  distance, err := plugin.PerceptionHash("被对比图片路径", "对比图片路径")

接口使用示例

package createcodeimport ("gofly/utils/gf""gofly/utils/plugin"
)// 后端代码模版
type Test struct{}func init() {fpath := Test{}gf.Register(&fpath, fpath)
}
// 测试图片相似性比较-返回差值，值越小相识度越高
func (api *Test) GetImgsml(c *gf.GinCtx) {distance, err := plugin.AverageHash("./resource/static/Imgsml_base.jpg", "./resource/static/Imgsml_do.jpg")if err != nil {gf.Failed().SetMsg(err.Error()).Regin(c)return}gf.Success().SetMsg("测试图片相似性比较，返回差值，值越小相识度越高").SetData(distance).Regin(c)
}

GoFly全栈社区插件市场地址：https://goflys.cn/codedetail?id=58