? ? ? 到2016年的最后一個月了，總得寫點什么或者記錄點什么。恩，就記錄一下，我當時做以圖找圖，這個功能的過程和結果吧。以圖找圖簡而言之就是確認小圖是否屬于大圖的一部分。

?這個方法不是百分百能找到的，也可能找到錯誤的圖片，如果2個大圖和小圖的相似度很高的話。

1.序

? ? 剛開始做這個功能的時候，我一直在往誤區上找，認為這是Android的項目，然后一直在找android方面的東西，也確實找到了，但這方面根本沒有相關的DEMO（其實也是因為個人有點懶，有現成的，總是想直接用。）

? ?然后想到了其實可以從java方面圖片，這樣就發現很多都是通過像素點進行查找的，但原理上是沒錯的就是查找的過程就有點慢了。在電腦上運行當然很快，但放在android上就很慢了，畢竟你需要對比每個像素點。

? 最后是通過計算哈希值的方法，來進行圖片的查找。雖然也需要一塊一塊的查（就是根據原圖片的大小，然后在目標圖片上查找），然后得出結論是否是屬于目標圖片的。

2.代碼

?

/** 小圖是否屬于大圖* @param mubiao 目標圖片（小圖）地址* @param yuantu 源圖片（大圖）地址* @return* @throws IOException*/private static boolean FindImg(String mubiao, String yuantu) throws IOException{boolean isFind = false;Bitmap yuantusource = BitmapFactory.decodeFile(yuantu, null); Bitmap mubiaosource = BitmapFactory.decodeFile(mubiao, null); // huidu("yuantu" , yuantu); // huidu("mubiao" , mubiao);String mubiaoHashCode;String yuantuHashCode;Bitmap jiequsource;int width = yuantusource.getWidth();int height = yuantusource.getHeight();int Mwidth = mubiaosource.getWidth();int Mheight = mubiaosource.getHeight();mubiaoHashCode = BufproduceFingerPrint(mubiaosource);//通過循環來查找圖片（就是從左上到右下）for(int i=0;i<width-Mwidth;i++){for(int j= 0;j<height-Mheight;j++){jiequsource = Bitmap.createBitmap(yuantusource, i, j, Mwidth, Mheight, null, false);yuantuHashCode = BufproduceFingerPrint(jiequsource);int difference = hammingDistance(mubiaoHashCode, yuantuHashCode);if(difference == 0 ){String.valueOf(j)); // LogInfo.ceshi("找到2：x="+ i + "y=" + j);isFind = true;break;} else{ // LogInfo.ceshi("沒找到2：x="+ i + "y=" + j); // ToastUtil.showToast(context, "正在查找中···");}} } if(isFind){return true;}else{return false;}}/*** 處理圖片* @param source* @return*/public static String BufproduceFingerPrint(Bitmap source) { // BufferedImage source = ImageHelper.readPNGImage(filename);// 讀取文件int width = 8;int height = 8;int pixelColor;// 第一步，縮小尺寸。// 將圖片縮小到8x8的尺寸，總共64個像素。這一步的作用是去除圖片的細節，只保留結構、明暗等基本信息，摒棄不同尺寸、比例帶來的圖片差異。Bitmap thumb = ImageHelper.zoomImage(source, width,height);// 第二步，簡化色彩。// 將縮小后的圖片，轉為64級灰度。也就是說，所有像素點總共只有64種顏色。int[] pixels = new int[width * height];for (int i = 0; i < width; i++) {for (int j = 0; j < height; j++) { // System.out.println("i=" + i +";y=" + j); // pixelColor = thumb.getPixel(i, j); // R = Color.red(pixelColor); // G = Color.green(pixelColor); // B = Color.blue(pixelColor);pixels[i * height + j] = ImageHelper.rgbToGray(thumb.getPixel(i, j));}}// 第三步，計算平均值。// 計算所有64個像素的灰度平均值。int avgPixel = ImageHelper.average(pixels);// 第四步，比較像素的灰度。// 將每個像素的灰度，與平均值進行比較。大于或等于平均值，記為1；小于平均值，記為0。int[] comps = new int[width * height];for (int i = 0; i < comps.length; i++) {if (pixels[i] >= avgPixel) {comps[i] = 1;} else {comps[i] = 0;}}// 第五步，計算哈希值。// 將上一步的比較結果，組合在一起，就構成了一個64位的整數，這就是這張圖片的指紋。組合的次序并不重要，只要保證所有圖片都采用同樣次序就行了。StringBuffer hashCode = new StringBuffer();for (int i = 0; i < comps.length; i += 4) {int result = comps[i] * (int) Math.pow(2, 3) + comps[i + 1]* (int) Math.pow(2, 2) + comps[i + 2] * (int) Math.pow(2, 1)+ comps[i + 2];hashCode.append(binaryToHex(result));}// 得到指紋以后，就可以對比不同的圖片，看看64位中有多少位是不一樣的。return hashCode.toString();}private static char binaryToHex(int binary) {char ch = ' ';switch (binary) {case 0:ch = '0';break;case 1:ch = '1';break;case 2:ch = '2';break;case 3:ch = '3';break;case 4:ch = '4';break;case 5:ch = '5';break;case 6:ch = '6';break;case 7:ch = '7';break;case 8:ch = '8';break;case 9:ch = '9';break;case 10:ch = 'a';break;case 11:ch = 'b';break;case 12:ch = 'c';break;case 13:ch = 'd';break;case 14:ch = 'e';break;case 15:ch = 'f';break;default:ch = ' ';}return ch;}/*** 2個是否相同，0為相同* @param sourceHashCode* @param hashCode* @return*/public static int hammingDistance(String sourceHashCode, String hashCode) {int difference = 0;int len = sourceHashCode.length();for (int i = 0; i < len; i++) {if (sourceHashCode.charAt(i) != hashCode.charAt(i)) {difference++;}}return difference;}

?

import java.io.ByteArrayInputStream; import java.io.ByteArrayOutputStream;import android.graphics.Bitmap; import android.graphics.Bitmap.Config; import android.graphics.BitmapFactory; import android.graphics.Matrix;public class ImageHelper {public static Bitmap zoomImage(Bitmap bgimage, double newWidth, double newHeight) { // 獲取這個圖片的寬和高 float width = bgimage.getWidth(); float height = bgimage.getHeight(); // 創建操作圖片用的matrix對象 Matrix matrix = new Matrix(); // 計算寬高縮放率 float scaleWidth = ((float) newWidth) / width; float scaleHeight = ((float) newHeight) / height; // 縮放圖片動作 matrix.postScale(scaleWidth, scaleHeight); Bitmap bitmap = Bitmap.createBitmap(bgimage, 0, 0, (int) width, (int) height, matrix, true); return bitmap; } private Bitmap compressImage(Bitmap image) { ByteArrayOutputStream baos = new ByteArrayOutputStream(); image.compress(Bitmap.CompressFormat.JPEG, 100, baos);//質量壓縮方法，這里100表示不壓縮，把壓縮后的數據存放到baos中 int options = 100; while ( baos.toByteArray().length / 1024>100) { //循環判斷如果壓縮后圖片是否大于100kb,大于繼續壓縮 baos.reset();//重置baos即清空baos image.compress(Bitmap.CompressFormat.JPEG, options, baos);//這里壓縮options%，把壓縮后的數據存放到baos中 options -= 10;//每次都減少10 } ByteArrayInputStream isBm = new ByteArrayInputStream(baos.toByteArray());//把壓縮后的數據baos存放到ByteArrayInputStream中 Bitmap bitmap = BitmapFactory.decodeStream(isBm, null, null);//把ByteArrayInputStream數據生成圖片 return bitmap; } public static int rgbToGray(int pixels) {// int _alpha = (pixels >> 24) & 0xFF;int _red = (pixels >> 16) & 0xFF;int _green = (pixels >> 8) & 0xFF;int _blue = (pixels) & 0xFF;return (int) (0.3 * _red + 0.59 * _green + 0.11 * _blue);}//// public static int average(int[] pixels) {float m = 0;for (int i = 0; i < pixels.length; ++i) {m += pixels[i];}m = m / pixels.length;return (int) m;} }

?

?

?

?

?

3.結束

?

? 恩，這就是以圖找圖的所有代碼=-=恩，是通過網上方法總結出來了的=-=就這樣了。

??

?

? ??

總結

以上是生活随笔為你收集整理的Android 以图找图功能的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。