軟件架構(gòu)項目報告-文庫吧資料
2025-01-24 23:30本頁面
【正文】 離的算法是首先由俄國科學(xué)家Levenshtein提出的，故又叫Levenshtein Distance。（1）編輯距離概述Levenshtein 距離，又稱編輯距離，指的是兩個字符串之間，由一個轉(zhuǎn)換成另一個所需的最少編輯操作次數(shù)。代碼如下：，得出相似度計算圖片指紋的相似度。（6）計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64位的整數(shù)，這就是這張圖片的指紋。代碼如下：（5）比較像素灰度將每個像素的灰度，與平均值進行比較。也就是說，所有像素點總共只有64種顏色。代碼如下：（2）將圖片縮小到固定尺寸因為我們得到的圖片可能會大小不一致，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個像素，除去了圖片的細節(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。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String類型的字符串類型。一般情況下，如果不相同的數(shù)據(jù)位數(shù)不超過5, 就說明兩張圖片很相似, 如果大于10, 說明它們是兩張不同的圖片。組合在一起，就構(gòu)成了一個64位的整數(shù)，這就是這張圖片的指紋。（5）計算平均值：如同均值哈希一樣，計算DCT的均值。下圖是進行二維DCT變換的函數(shù)applyDCT()的實現(xiàn)。下圖是轉(zhuǎn)化為灰度圖像的函數(shù)grayscale()的實現(xiàn)。這樣做的目的是簡化了DCT的計算，而不是減小頻率。在信息論中，漢明距離描述的是兩個n長碼字x=(x1x2?xn)，y=(y1y2?yn)之間的距離， Dx,y=k=1nxkyk其中，表示模2加運算，xk∈0,1，yk∈{0,1}. D(x,y)表示兩碼字在相同位置上不同碼符號的數(shù)目的總和，它能夠反映兩碼字之間的差異，進而提供碼字之間的相似程度的客觀依據(jù)。衛(wèi)斯里然后一般圖像都存在很多冗余和相關(guān)性的，所以轉(zhuǎn)換到頻率域之后，只有很少的一部分頻率分量的系數(shù)才不為0，大部分系數(shù)都為0（或者說接近于0）。而對于兩張圖片相似度的計算則是基于漢明距離的。3 總體設(shè)計4 詳細設(shè)計感知哈希算法pHash(Perceptual Hash Algorithm), 意思是為圖片生成一個指紋(字符串格式), 兩張圖片的指紋越相似, 說明兩張圖片就越相似.。要實現(xiàn)這一點，就要求系統(tǒng)應(yīng)該盡量使用用戶熟悉的術(shù)語和中文信息的界面，從而保證系統(tǒng)的易用性。本系統(tǒng)是直接面對用戶的，而用戶往往對計算機并不是非常熟悉。而引進使用本系統(tǒng)后，與傳統(tǒng)方式相比，具有高效率、低成本、高質(zhì)量的特點，可以節(jié)省不少人力、物力及財力。因此完成此項目的風險
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1