ML之Hash_HamMingDistance：基于輸入圖片哈希化(均值哈希+差值哈希)即8*8個元素的單向vector利用漢明距離算法進行判別

?

?

目錄

輸出結(jié)果

代碼實現(xiàn)

---

?

相關(guān)文章
ML之相似度計算：圖像數(shù)據(jù)、字符串?dāng)?shù)據(jù)等計算相似度常用的十種方法簡介、代碼實現(xiàn)
ML之Hash_EditDistance&Hash_HammingDistance&Hog_HanMing&Cosin&SSIM：基于輸入圖片利用多種算法進行判別
CV之Hog+HamMingDistance：基于Hog提取和漢明距離對比的應(yīng)用—圖像相似度對比之for循環(huán)將多個成對圖片依次對比并輸出相似度
ML之Hash_EditDistance：基于輸入圖片哈希化(均值哈希+差值哈希)即8*8個元素的單向vector利用編輯距離算法進行判別
ML之Hash_HamMingDistance：基于輸入圖片哈希化(均值哈希+差值哈希)即8*8個元素的單向vector利用漢明距離算法進行判別
ML之Hog_HammingDistance：基于Hog特征提取“RGB”圖像的768個值的單向vector利用漢明距離算法進行判別
ML之Cosin：基于輸入圖片RGB均值化轉(zhuǎn)為單向vector利用Cosin(余弦相似度)算法進行判別
ML之SSIM：基于輸入圖片RGB的三維向量利用SSIM(結(jié)構(gòu)相似性度量)算法進行判別

?

輸出結(jié)果

?

?

代碼實現(xiàn)

?

def Hamming_Distance(img1,img2,mark):if mark=="avg":hash1=avg_Hash(img1)hash2=avg_Hash(img2)elif mark=="dif":hash1=difference_Hash(img1)hash2=difference_Hash(img2)n=0if len(hash1)!=len(hash2):return -1for i in range(len(hash1)):if hash1[i]!=hash2[i]:n=n+1res=1-n/len(hash1) return res

?

?

?

《新程序員》：云原生和全面數(shù)字化實踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的ML之Hash_HamMingDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法进行判别的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。