軟件架構(gòu)項(xiàng)目報(bào)告(編輯修改稿)
2025-02-14 23:30 本頁面
【文章內(nèi)容簡介】 下面兩張圖片分別是對漢明距離和相似度的實(shí)現(xiàn)函數(shù)，具體如下：. Levenshtein距離算法 我們這里所要研究的相似度算法是這樣進(jìn)行的，UML圖如上。在我們的程序中，生成圖片哈希值的方法是produceFingerPrint（），他返回的是一個(gè)String類型的字符串類型。這個(gè)方法里面主要涉及6個(gè)部分：（1）讀取圖片實(shí)現(xiàn)這個(gè)功能的方法是通過readImage（filename）方法來完成的，這個(gè)方法封裝在ImageRead類中，它通過獲取圖片的路徑名來得到該圖片。代碼如下：（2）將圖片縮小到固定尺寸因?yàn)槲覀兊玫降膱D片可能會(huì)大小不一致，多以我們需要將他們縮小成一致的格式，這里我們將他們縮小成8*8的尺寸，總共64個(gè)像素，除去了圖片的細(xì)節(jié)，只保留了結(jié)構(gòu)、明暗等基本信息，摒棄不同尺寸、比例帶來的圖片差異。實(shí)現(xiàn)方法是：thumb(BufferedImage source, int width,int height, boolean b)，代碼如下：（3）簡化色彩將縮小后的圖片，轉(zhuǎn)為64級灰度。也就是說，所有像素點(diǎn)總共只有64種顏色。通過灰度值的計(jì)算來實(shí)現(xiàn)的，方法為rgbToGray（）（4）計(jì)算平均值計(jì)算64個(gè)像素的灰度平均值，通過方法average（）來實(shí)現(xiàn)。代碼如下：（5）比較像素灰度將每個(gè)像素的灰度，與平均值進(jìn)行比較。大于或等于平均值，記為1；小于平均值，記為0。（6）計(jì)算哈希值將上一步的比較結(jié)果，組合在一起，就構(gòu)成了一個(gè)64位的整數(shù)，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。代碼如下：，得出相似度計(jì)算圖片指紋的相似度。進(jìn)而算出圖片的相似度。（1）編輯距離概述Levenshtein 距離，又稱編輯距離，指的是兩個(gè)字符串之間，由一個(gè)轉(zhuǎn)換成另一個(gè)所需的最少編輯操作次數(shù)。許可的編輯操作包括將一個(gè)字符替換成另一個(gè)字符，插入一個(gè)字符，刪除一個(gè)字符。編輯距離的算法是首先由俄國科學(xué)家Levenshtein提出的，故又叫Levenshtein Distance。（2）舉例說明,這里寫一個(gè)簡單的 abc和abe。A處是一個(gè)標(biāo)記，為了方便講解，不是這個(gè)表的內(nèi)容。abcabcabe0123a1A處b2e3出得值它的值取決于：左邊的上邊的左上角的0.按照Levenshtein distance的意思：上面的值和左面的值都要求加1，這樣得到1+1=2。A處由于是兩個(gè)a相同，+0=0。這是后有三個(gè)值，左邊的計(jì)算后為2，上邊的計(jì)算后為2，左上角的計(jì)算為0，所以A處取他
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1